LABORATORIO x TALLER SIMULACIÓN CAMPO

INFORME DE SIMULACIÓN

MÓDULO: ADMINISTRACIÓN DE LA PRODUCCIÓN CICLO ACADÉMICO: SÉPTIMO

CARRERA: INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN PARALELO: A
PERIODO ACADÉMICO: SEPTIEMBRE 2018 - FEBRERO 2019
UNIDAD DE ORGANIZACIÓN CURRICULAR: Profesional DOCENTE: Ing. John Reyes Mg.
TALLER N: 01

I. TEMA: INTRODUCCIÓN A EXCEL PARA DESARROLLAR PROYECTOS

II. OBJETIVOS
 Resolver ejercicios mediante la aplicación del análisis de regresión lineal múltiple con
la ayuda del complemento análisis de datos en Excel.
III. INSTEGRANTES DEL GRUPO DE TRABAJO
- Jhon Acevedo
- Belén Morales
IV. DESARROLLO DEL LABORATORIO
LIBRO DE HEIZER, PÁG 150, EJERCICO 4.49
SALINAS Saving, and Loand esta orgullosos de larga tradición en Topeka, Kansas. Iniciada
por Teresita Salinas 18 años después de ella segunda guerra mundial, S&L a sorteado con
éxito la tendencia a los problemas financieros y de liquidez que ha plagado a la industria
desde 1985. Los depósitos se han incrementado de manera lenta pero segura, sin importar las
recesiones de 1983, 1988, 1991, 2001. La Sra. Salinas piensa que es necesario contar con un
plan estratégico de largo plazo para su empresa incluido el pronóstico para los depósitos a un
año y de preferencia a 5 años. Ella examina los datos de los depósitos pasados y también
estudias el producto estatal bruto (PEB) de Kansas durante los mismos 44años. (El PEB es
análogo al producto nacional bruto [PNB], pero a nivel estatal). Los datos resultantes se
presentan en la tabla siguiente:
 a) Primero utilice suavizamiento exponencial con α=6, después análisis de tendencia y
por ultimo regresión lineal para analizar cual modelo de pronóstico es mejor para el
plan estratégico de salinas. Justifique la elección de un modelo sobre otro.

.
V. ANÁLISIS DE RESULTADOS
Resumen

Estadísticas de la
regresión
Coeficiente
de
correlación 0,9683899
múltiple 1
Coeficiente
de
determinaci 0,9377790
ón R^2 3
R^2 0,9347438
ajustado 6
0,3800411
Error típico 8
Observacion
es 44

ANÁLISIS DE VARIANZA
Promedio Valor
Grados de Suma de de los crítico
libertad cuadrados cuadrados F de F
44,625067 308,97089 1,8867
Regresión 2 89,250135 5 8 E-25
5,9216831
Residuos 41 8 0,1444313
95,171818
Total 43 2

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción -224,277616 16,7386446 -13,3987919 1,4334E-16 -258,081995 -190,473238 -258,081995 -190,473238
Variable X 1 0,11428587 0,00846369 13,5030714 1,1047E-16 0,09719309 0,13137864 0,09719309 0,13137864
Variable X 2 -0,00130408 0,0043709 -0,29835479 0,76693927 -0,0101313 0,00752314 -0,0101313 0,00752314

Análisis de los residuales Resultados de datos de probabilidad

Pronóstico para
Observación Y Residuos Percentil Y
1 0,17949836 0,22050164 1,13636364 0,4
2 0,29379727 0,10620273 3,40909091 0,4
3 0,40808313 0,09191687 5,68181818 0,5
4 0,52234292 0,17765708 7,95454545 0,7
5 0,63664183 0,26335817 10,2272727 0,9
 6 0,75086249 0,24913751 12,5 0,9
7 0,86513531 0,53486469 14,7727273 1
8 0,97940814 0,72059186 17,0454545 1,1
9 1,09379833 0,20620167 19,3181818 1,2
-
10 1,20805811 0,00805811 21,5909091 1,2
-
11 1,32235702 0,22235702 23,8636364 1,2
-
12 1,43653856 0,53653856 26,1363636 1,2
-
13 1,55060273 0,35060273 28,4090909 1,3
-
14 1,66430176 0,46430176 30,6818182 1,4
-
15 1,77760957 0,57760957 32,9545455 1,5
-
16 1,89111299 0,29111299 35,2272727 1,6
-
17 2,00474681 0,50474681 37,5 1,6
-
18 2,11903268 0,51903268 39,7727273 1,7
-
19 2,23344895 0,53344895 42,0454545 1,7
-
20 2,34616992 0,44616992 44,3181818 1,9
-
21 2,45915171 0,55915171 46,5909091 1,9
-
22 2,57291594 0,27291594 48,8636364 2,3
-
23 2,68602814 0,18602814 51,1363636 2,5
-
24 2,80305257 0,00305257 53,4090909 2,8
-
25 2,91681681 0,01681681 55,6818182 2,9
26 3,02901614 0,37098386 57,9545455 3,4
27 3,14121548 0,65878452 60,2272727 3,7
28 3,25237156 0,84762844 62,5 3,8
29 3,36000662 0,63999338 64,7727273 3,8
30 3,47051065 0,52948935 67,0454545 3,8
31 3,57697204 0,32302796 69,3181818 3,9
32 3,68930178 0,11069822 71,5909091 4
33 3,79745848 0,00254152 73,8636364 4
-
34 3,90431109 0,20431109 76,1363636 4
35 4,02498694 0,07501306 78,4090909 4,1
-
36 4,13849036 0,03849036 80,6818182 4,1
-
37 4,24390849 0,24390849 82,9545455 4,1
38 4,345936 0,154064 85,2272727 4,5
39 4,45865697 0,14134303 87,5 4,5
 40 4,5642055 -0,0642055 89,7727273 4,6
-
41 4,65984303 0,05984303 92,0454545 4,6
-
42 4,77308563 0,17308563 94,3181818 4,6
-
43 4,87667804 0,17667804 96,5909091 4,7
44 4,97153312 0,02846688 98,8636364 5

GRÁFICOS

Variable X 1 Gráfico de los residuales

1

0.5
Residuos

0
1960 1970 1980 1990 2000 2010
-0.5

-1
Variable X 1

Variable X 2 Gráfico de los residuales

1

0.5
Residuos

0
0 20 40 60 80 100
-0.5

-1
Variable X 2

Gráfico de probabilidad normal

6

4
Y

0
0 20 40 60 80 100 120
Muestra percentil

ECUACION PARA EL PRONOSTICO

y=-224.27+0.1143x1-0.0013x2
Para el año 2008:

y=-224.27+0.1143x1-0.0013x2
y=-224.27+0.1143(2008)-0.0013(96.6)
y=5.11
VI. CONCLUSIONES:
- Mediante el cálculo de regresión lineal múltiple se ha reaccionado las 3 variables
en las que se denota una pendiente positiva en los datos históricos, debido a esto la
ecuación obtenida y=-224.27+0.1143x1-0.0013x2 ha permitido obtener el valor del
PEB para el año 2008 con un resultado de 5.11, presenciando un crecimiento en
0.11 con respecto al año anterior (2007).

VII. RECOMENDACIONES:
 Se debe considerar el error admisible del 10% para obtener el pronóstico deseado.
 Es necesario tener los conocimientos básicos del Software Excel y el uso del
complemento análisis de datos.

VALIDACIÓN DE LAS GUÍAS DE SIMULACIÓN:

Fecha de elaboración: 21/10/2019

Ing. John Reyes Vasquez, Mg.

DOCENTE PLANIFICADOR UTA

Ing. Luis Morales, Mg. Ing. Carlos Sánchez, Mg.

COORDINADOR DE LA UNIDAD COORDINADOR DE CARRERA