Tarea 2 - Lourdes y Nayeli

Froggy Jumps

Parties jouées 3

Créer une copie

À propos de cette activité

Idea de distribuciones de probabilidad

Créé par

Lou López

Guatemala

Téléchargez la version pour jouer sur papier

Top 10 résultats

Il n'y a toujours pas de résultats pour ce jeu. Soyez le premier à apparaître dans le classement! Connectez-vous pour vous identifier.

Créez votre propre jeu gratuite à partir de notre créateur de jeu

Affrontez vos amis pour voir qui obtient le meilleur score dans ce jeu

Créer un défi

		%
	Anonyme	%
		%
		%

Imprimez votre jeu

Tarea 2 - Lourdes y Nayeli


Froggy Jumps Tarea 2 - Lourdes y NayeliVersion en ligne Idea de distribuciones de probabilidad par Lou López 1 Idea: Un analista en una cadena de restaurantes. El objetivo es reducir el desperdicio de comida usando modelos estadísticos que permitan predecir cuántos platos no se consumen completamente cada día. a El objetivo es divertir a las personas b El objetivo es reducir el desperdicio de comida c El objetivo es saltar como una rana feliz 2 Distribución 1: uso la distribución Binomial para calcular la probabilidad de que un cliente termine o no su plato. Cada cliente tiene dos resultados: lo termina o deja comida. a Los dos resultados son lo termina o deja la comida b Los resultados son de 1 a 5 c los resultados son estrellas en mi habitación 3 Aplicación Binomial: puedo estimar cuántos clientes dejarán comida en un día. Esto ayuda a identificar platos con mayor probabilidad de desperdicio y ajustar porciones. a Identificar platos con mayor probabilidad de no ser terminados. b Contar cuántas servilletas se usaron. c Cambiar el nombre del plato a algo más elegante. 4 Distribución 2: uso la distribución de Poisson para analizar el número de platos desperdiciados por día. Me permite estudiar eventos contables en un periodo determinado. a Elegir un número al azar cada día. b Revisar el clima para decidir cuánto sobra. c Modelar la cantidad de platos desperdiciados en un periodo 5 Aplicaición Poisson: estimo el promedio diario de platos desperdiciados y detecto días anormales, como fines de semana o promociones con exceso de producción. a Culpar automáticamente al mesero. b Identificar días con valores fuera del promedio esperado c Pensar que es mala suerte. 6 Datos necesarios: número de clientes diarios, platos servidos, platos no terminados, tipo de plato, tamaño de porción en gramos y día de la semana. a Número de clientes y platos desperdiciados diariamente b Color favorito del cliente. c Música que suena en la cocina. 7 Tipos de datos: clientes y platos: cuantitativo discreto. Tamaño de porción y precio: cuantitativo continuo. Tipo de plato: cualitativo nominal. Día de la semana: cualitativo ordinal. a Clasificar correctamente cada variable según su tipo de dato. b Decidir el tipo según lo que suene bonito. c Poner todos como “dato especial”. 8 Principios éticos: se usan datos agregados, sin información personal. La base de datos debe estar protegida y solo utilizada para mejorar procesos y sostenibilidad. a Publicar estadísticas con nombres completos. b Guardar la base en una USB sin contraseña. c Garantizar anonimato y uso responsable de la información. 9 Resultados supuestos: supongamos 200 clientes diarios y probabilidad 0.65 de terminar el plato. Entonces 35% dejaría comida, lo que indica posible exceso en porciones. a Ignorar el resultado. b Ajustar tamaño de porción según probabilidad observada. c Servir porciones aún más grandes. 10 Resultados Poisson: si el promedio es 60 platos desperdiciados por día y los fines de semana sube a 90, hay un comportamiento anormal que requiere ajuste en producción. a Ajustar producción en días de mayor demanda. b Cocinar lo mismo siempre. c Pensar que los platos desaparecen mágicamente. 11 Propuesta: reducir gramaje en platos con alto desperdicio, ofrecer tamaños pequeños y grandes, y ajustar producción según demanda estimada. a Optimizar porciones y producción con base en datos. b Cambiar el uniforme del chef. c Servir comida en platos más pequeños para que parezca menos. 12 Plan de ejecución: Fase 1: recolección y análisis de datos. Fase 2: ajustes en menú y producción y Fase 3: reevaluar distribuciones después de tres meses. a Hacer cambios sin medir nada. b Esperar a ver qué pasa. c Aplicar mejoras y medir nuevamente resultados 13 Cuándo volver al paso 1: se repite el análisis si cambia el menú, precios, promociones o cada seis meses para mantener control y mejora continua. a Nunca volver a revisar. b Reanalizar ante cambios o periódicamente c Solo cuando haya una queja viral.

Vous pouvez intégrer le jeu dans un LMS compatible avec LTI 1.1 ou LTI 1.3 comme Canvas, Moodle ou Blackboard. Les scores seront ainsi automatiquement enregistrés dans le carnet de notes de la plateforme.

Tarea 2 - Lourdes y Nayeli

Froggy Jumps

À propos de cette activité

Créé par

Téléchargez la version pour jouer sur papier

Top Jeux

Froggy Jumps

Bill of Rights Game - The Constitutionalist

Froggy Jumps

Phlebotomy Order of Draw Quiz

Froggy Jumps

The Integumentary System

Froggy Jumps

pizza

Froggy Jumps

Ethos, Pathos, and Logos Quiz

Froggy Jumps

Tarea 2 - Lourdes y NayeliVersion en ligne

par Lou López

Idea: Un analista en una cadena de restaurantes. El objetivo es reducir el desperdicio de comida usando modelos estadísticos que permitan predecir cuántos platos no se consumen completamente cada día.

Distribución 1: uso la distribución Binomial para calcular la probabilidad de que un cliente termine o no su plato. Cada cliente tiene dos resultados: lo termina o deja comida.

Aplicación Binomial: puedo estimar cuántos clientes dejarán comida en un día. Esto ayuda a identificar platos con mayor probabilidad de desperdicio y ajustar porciones.

Distribución 2: uso la distribución de Poisson para analizar el número de platos desperdiciados por día. Me permite estudiar eventos contables en un periodo determinado.

Aplicaición Poisson: estimo el promedio diario de platos desperdiciados y detecto días anormales, como fines de semana o promociones con exceso de producción.

Datos necesarios: número de clientes diarios, platos servidos, platos no terminados, tipo de plato, tamaño de porción en gramos y día de la semana.

Tipos de datos: clientes y platos: cuantitativo discreto. Tamaño de porción y precio: cuantitativo continuo. Tipo de plato: cualitativo nominal. Día de la semana: cualitativo ordinal.

Principios éticos: se usan datos agregados, sin información personal. La base de datos debe estar protegida y solo utilizada para mejorar procesos y sostenibilidad.

Resultados supuestos: supongamos 200 clientes diarios y probabilidad 0.65 de terminar el plato. Entonces 35% dejaría comida, lo que indica posible exceso en porciones.

Resultados Poisson: si el promedio es 60 platos desperdiciados por día y los fines de semana sube a 90, hay un comportamiento anormal que requiere ajuste en producción.

Propuesta: reducir gramaje en platos con alto desperdicio, ofrecer tamaños pequeños y grandes, y ajustar producción según demanda estimada.

Plan de ejecución: Fase 1: recolección y análisis de datos. Fase 2: ajustes en menú y producción y Fase 3: reevaluar distribuciones después de tres meses.

Cuándo volver al paso 1: se repite el análisis si cambia el menú, precios, promociones o cada seis meses para mantener control y mejora continua.