Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Trab Col 1 Grupo 256598 95
Trab Col 1 Grupo 256598 95
PRESENTADO POR
MAXIMINO VARGAS CRUZ
COD: 74362560
PRESENTADO AL TUTOR:
NELSON VARGAS
INTRODUCCIN
EJERCICIO N 1
1. La Demanda de Bicicletas para todos los terrenos ha aumentado en forma constante desde 1998. En la siguiente
se muestran las ventas por trimestre de las bicicletas de montaa producidas por CCB desde el segundo semestre d
1999.
obs
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
ao
1999
2000
2001
2002
trimestre
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
demanda
16
73
61
57
43
44
68
68
73
84
93
128
100
130
148
obs
17
17
18
19
20
21
22
23
24
25
26
27
28
29
ao
2003
2004
2005
2006
trimestre
1
2
3
4
1
2
3
4
1
2
3
4
1
2
a) Grafique los datos y verifique si la tendencia de los datos. Utilice el mtodo de regresin lineal para estimar los
parmetros y pronosticar el tercer trimestre de 2006
x
1
2
y
16
73
xy
16
146
x2
1
4
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
435
61
57
43
44
68
68
73
84
93
128
100
130
148
147
142
134
159
181
168
168
188
186
189
184
224
207
223
3686
183
228
215
264
476
544
657
840
1023
1536
1300
1820
2220
2352
2414
2412
3021
3620
3528
3696
4324
4464
4725
4784
6048
5796
6467
69119
9
16
25
36
49
64
81
100
121
144
169
196
225
256
289
324
361
400
441
484
529
576
625
676
729
784
841
8555
El diagrama de dispersin nos estima los valores de Y que obtendramos para distintos valores de X, la demanda de
bicicletas aumenta cada trimestre.
El coeficiente de correlacin que es R, nos da la relacin de la variable X con la variable Y; y si es una linealidad si este valo
cercano a 1 -1 quiere decir que es buena la linealidad o la relacin de las dos variables.
El coeficiente de determinacin que es R2 que nos va a decir la confiabilidad de mi modelo matemtico que estoy pronostica
esta confiabilidad es del 94.39%
ESTADSTICAS DE LA REGRESIN
COEFICIENTE DE
CORRELACIN
MLTIPLE
0.9715937
COEFICIENTE DE
DETERMINACIN
R^2
0.943994317
R^2 AJUSTADO
ERROR TPICO
OBSERVACIONES
1,438,772,853
0.941920032
29
ANLISIS DE VARIANZA
Suma de
cuadrados
Grados de libertad
REGRESIN
RESIDUOS
TOTAL
9,420,750,788
9,420,750,788
27
5,589,181,773
2,070,067,323
28
9,979,668,966
Coeficientes
INTERCEPCIN
VARIABLE X 1
Valor crtico de
F
455,093,933
197243
Probabilidad
Inferior 95%
Superior 95%
Error tpico
Estadstico t
2,491,871,921
5,484,729,632
4,543,290,351
0.0001039
1,366,498,371
3,617,245,472
6,812,315,271
0.319333305
2,133,293,071
1.97E-14
6,157,097,458
7,467,533,084
Promedio de los
cuadrados
Pronstico para Y
Residuos
Porcentual
3,173,103,448
-1,573,103,448
172,413,793
3,854,334,975
3,445,665,025
517,241,379
4,535,566,502
1,564,433,498
862,068,966
521,679,803
4,832,019,704
120,689,655
5,898,029,557
-1,598,029,557
155,172,414
6,579,261,084
-2,179,261,084
189,655,172
7,260,492,611
-4,604,926,108
224,137,931
7,941,724,138
-1,141,724,138
25,862,069
8,622,955,665
-1,322,955,665
293,103,448
Y
16
43
44
57
61
68
68
73
73
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
9,304,187,192
-9,041,871,921
327,586,207
9,985,418,719
-6,854,187,192
362,068,966
1,066,665,025
2,133,349,754
396,551,724
1,134,788,177
-1,347,881,773
431,034,483
120,291,133
9,708,866,995
465,517,241
1,271,034,483
2,089,655,172
50
1,339,157,635
1,308,423,645
534,482,759
1,407,280,788
1,271,921,182
568,965,517
1,475,403,941
-1,354,039,409
603,448,276
1,543,527,094
464,729,064
637,931,034
1,611,650,246
1,983,497,537
672,413,793
1,679,773,399
0.022660099
706,896,552
1,747,896,552
-6,789,655,172
74,137,931
1,816,019,704
6,398,029,557
775,862,069
1,884,142,857
-2,414,285,714
810,344,828
195,226,601
-6,226,600,985
844,827,586
2,020,389,163
-1,803,891,626
879,310,345
2,088,512,315
1,514,876,847
913,793,103
2,156,635,468
-8,663,546,798
948,275,862
2,224,758,621
0.524137931
982,758,621
84
93
100
128
130
134
142
147
148
159
168
168
181
184
186
188
189
207
223
224
El resultado de los residuales es la diferencia que hay entre los valores histricos menos los valores pronosticados. Esto se
de la siguiente manera en donde puedo ver cada caso por ejemplo los datos que estn ms alejados son el mayor error en m
pronstico y mi mejor caso es el punto ms pequeo, es el menor error que voy a cometer.
0.5
0
Residuos
0
0
0.2
0.4
0.6
Variable X 1
0.8
A continuacin vamos a pronosticar las ventas para el tercer trimestre de 2006, lo cual nos corresponde a 229 ventas
REGRESION LINEAL
Y=a+bx
Donde: a = intercepto en periodo O
b = pendiente de la recta
x = periodo de tiempo
y = pronostico de demanda periodo x
b=
x y - n x y
------------------- X - nx-
a = - bx
x=
Y
Media del valor y
--------------------n
435
------29
3686
x = 15
Y
Media del valor y
--------------------n
x=
435
------29
3686
----------29
x = 15
= 127.1
x y - n x y
b = ---------------- X - nx-
a = - bx
13819.29
--------------2030
b = 6.81
Y = 24.95 + 6.81x
Y30 = 24.95 + 6.81 (30)
Y30 = 229.25
b) Pronostique las ventas para el tercer trimestre de 2006 usando alfa=0.3 y beta=0.25.
Periodo
Demanda
Demanda
16
147
73
142
61
134
57
159
43
181
44
168
68
168
68
188
73
186
10
84
189
11
93
184
12
128
224
13
100
207
14
130
223
15
Promedio
148
79.06
Promedio global
178.56
128.81
El mtodo ms preciso para hallar el pronstico fue el de regresin lineal ya que se acerca ms a las ventas reales para esta
fecha.
a) 29,25
b) 30
Una diferencia de 0.75
El mtodo ms preciso para hallar el pronstico fue el de regresin lineal ya que se acerca ms a las ventas reales para esta
fecha.
a) 29,25
b) 30
Una diferencia de 0.75
EJERCICIO N 1
demanda
147
142
134
159
181
168
168
188
186
189
184
224
207
223
ndencia de los datos. Utilice el mtodo de regresin lineal para estimar los
stre de 2006
ESTADSTICAS DE LA REGRESIN
ANLISIS DE VARIANZA
Inferior 95,0%
Superior 95,0%
1,366,498,371
3,617,245,472
6,157,097,458
7,467,533,084
ia que hay entre los valores histricos menos los valores pronosticados. Esto se grafica
cada caso por ejemplo los datos que estn ms alejados son el mayor error en mi
pequeo, es el menor error que voy a cometer.
tas para el tercer trimestre de 2006, lo cual nos corresponde a 229 ventas
15) (127.103)
------------------29 (15)
13819.29
--------------2030
b = 6.81
= 24.95
stico fue el de regresin lineal ya que se acerca ms a las ventas reales para esta
stico fue el de regresin lineal ya que se acerca ms a las ventas reales para esta
CONCLUSIONES
A pesar de que el tema es bastante complejo se puede observar la importancia que tienen estos mtodos estadsticos en la ap
planeacin y control de la produccin en cualquier empresa.
BIBLIOGRAFA