ADMINISTRACIÓN DE LA DEMANDA PRONÓSTICOS (REGRESION LINEAL

)
1

MODELO DE REGRESION LINEAL 2 .

MODELO CAUSAL • A diferencia de los modelos de serie. son mas apropiados para predecir y evaluar los efectos de las decisiones que toma la empresa (p. cambios en la publicidad o en los precios ) que las técnicas de series de tiempos. Por tanto.e. . los modelos causales identifican y miden directamente los efectos de las fuerzas especificas que influyen en la demanda. • Dentro de los modelos causales tenemos a la regresión lineal.

ANALISIS DE REGRESION LINEAL • Determina la relación entre una variable independiente X. y una variable dependiente Y. • Se asume que es lineal (similar a una línea recta) • Ecuación: Y = a + bX Y = variable dependiente X = variable independente a = intercepta al eje y b = pendiente de la recta 4 .

ANALISIS DE REGRESION LINEAL (La Pendiente de la recta depende del signo de b) $ = a + bX Y i i b>0 Y a b<0 a Time. X 5 .

TABLA DE REGRESION LINEAL (Ordenar y calcular los términos necesarios para plantear las ecuaciones) Xi X1 X2 : Xn ΣXi Yi Y1 Y2 : Yn ΣYi 2 Xi X 12 X2 : 2 Xn 2 ΣXi 2 2 Yi 2 Y1 2 Y2 X iY i X 1Y 1 X 2Y 2 : X nY n Σ X iY i 6 : 2 Yn 2 ΣYi .

por el método de sumas y restas.ANALISIS DE REGRESION LINEAL ˆ i = a + bx i Y Método 1: resolviendo las ecuaciones normales: ΣY = a*n + b ΣX 2 ΣXY = a *ΣX + b ΣX Los valores de a y b se calculan resolviendo el sistema de ecuaciones simultáneas. 7 .

ANALISIS DE REGRESION LINEAL ˆ i = a + bx i Y Método 2: aplicación directa de las siguientes fórmulas: a= ΣX * ΣY – ΣX * ΣXY n * ΣX .(ΣX) 2 2 2 n * ΣXY – ΣX * ΣY b= n *ΣX – (ΣX) 2 2 8 .

Y) V (X) a= Y–bX 9 .ANALISIS DE REGRESION LINEAL ˆ i = a + bx i Y Método 3: resolviendo las ecuaciones siguientes: b= ΣXY – n * X Y ΣX – (X) 2 2 Cov (X.

2009 2010 2011 2012 2013 48 60 53 38 72 10 .EJEMPLO DE REGRESIÓN LINEAL Usted es gerente de una tienda que vende equipos diversos (grupos electrógenos pequeños) y necesita saber la proyección de las ventas para el año 2014 utilizando el método de regresión lineal.

el punto medio de la serie se ubica entre los años centrales y se considera una escala de 2 unidades entre los años consecutivos: 2003 2004 2005 2006 2007 2008 2009 2010 -7 -5 -3 -1 0 +1 +3 +5 +7 X: (ΣX=0) .ARTIFICIO PARA SERIES DE TIEMPO • Cuando se trata de hallar la tendencia lineal en series de tiempo se puede aplicar el siguiente artificio para reemplazar la variable independiente (X): a) Si la serie tiene un número impar de años. se elige al valor medio como nuevo origen de la serie: 2002 2003 2004 2005 2006 2007 2008 2009 2010 -4 -3 -2 -1 0 +1 +2 +3 +4 X: (ΣX=0) b) Si la serie tiene un número par de años.

TABLA DE DATOS ORDENADOS Para los datos del problema. tenemos la siguiente tabla: Años 2009 2010 2011 2012 2013 X -2 -1 0 1 2 ΣX 0 Prom X 0 Ventas 48 60 53 38 72 ΣY 271 Prom Y 54.2 X 2 4 1 0 1 4 ΣX 10 2 Y 2 2304 3600 2809 1444 5184 ΣY 2 15341 XY -96 -60 0 38 144 ΣXY 26 .

ANALISIS DE REGRESION LINEAL ˆ i = a + bx i Y Método 1: resolviendo las ecuaciones normales: ΣY = a*n + b ΣX 2 ΣXY = a *ΣX + b ΣX Los valores de a y b se calculan resolviendo el sistema de ecuaciones simultáneas. 13 . por el método de sumas y restas.

2 b = 26/10=2. quedando como sigue: a = ΣY/n ΣY = a*n 2 ΣXY = b ΣX b = ΣXY /ΣX 2 Reemplazando valores.6 14 . tenemos: a = 271/5= 54.ANALISIS DE REGRESION LINEAL ˆ i = a + bx i Y Por medio del artificio. eliminamos ΣX de las ecuaciones originales.

se calcula como sigue: Y4 = 54.6 X Como resultado. el pronóstico de ventas para el año 2014. la ecuación de la recta es: Y = 54.6 (3) Y4 = 62 15 .2 + 2.2 + 2.ANALISIS DE REGRESIÓN LINEAL ˆ i = a + bx i Y Por tanto.

2 56.2 16 Ventas 48 60 53 38 72 X2 4 1 0 1 4 ΣX 10 2 Y 2 2304 3600 2809 1444 5184 ΣY 2 15341 XY -96 -60 0 38 144 ΣXY 26 Proyección 49 51.4 62 .8 59.ANALISIS DE REGRESIÓN LINEAL Años 2009 2010 2011 2012 2013 2014 X -2 -1 0 1 2 3 ΣX 0 Prom X 0 ΣY 271 Prom Y 54.6 54.

ANALISIS DE REGRESIÓN LINEAL 17 .

yc = el valor calculado para la variable dependiente a partir de la ecuación de regresión.ERROR ESTANDAR ESTIMADO (MSE) Syx = = Σ(y -yc)2 n Donde: y = el valor de y para cada punto de dato. n = el número de datos 18 .

Sign up to vote on this title
UsefulNot useful