Está en la página 1de 18

CASO

APLICATIVO
N°02
MG.ING.ESTAD.VILLENA ZAPATA, LUIGI
CASO APLICATIVO
En el siguiente caso, se presenta la información relativa
a:

 Las ventas realizadas a cada cliente por parte de


una empresa de alimentación (Venta).
 La oportunidad de venta a cada cliente, que refleja
su potencial de compra (Oportunidad)
 Fortaleza de la empresa en cada cliente, es decir, el
grado en que la empresa vendedora tiene una
buena posición en la empresa compradora
(Fortaleza)
 El número de visitas que ha tenido cada cliente por
parte del vendedor de la empresa. (Visitas)
 El valor de la cifra de promoción de productos
expresada en euros para cada cliente. (Promoción)
CASO APLICATIVO
En el siguiente caso, se presenta la
información relativa a:
La variable Oportunidad y Fortaleza son
evaluadas por el vendedor en una escala
tipo Likert de 1 a 7, siendo 1 poca fortaleza
o potencial y 7 mucha fortaleza o
potencial. Estúdiese entre que variables
existe una mayor dependencia lineal.
Determínese si las variables influyen y
pueden predecir las ventas de la empresa.
Seleccionar el fichero
3.2.Ventas.50
CASO APLICATIVO
Para estudiar la dependencia lineal calculamos
el coeficiente de correlación lineal de Pearson
entre cada par de variable, mediante
Analizar/Correlaciones/Bivariadas. Se obtiene
una table, en la que aparecen, además del
coeficiente de correlación de Pearson entre
cada par de variables (en la tabla basta fijarse
sólo en la diagonal superior o inferior de la
misma, pues es simétrica), el nivel de
significación del mismo y el número de datos.
CASO APLICATIVO

Hay dependencia lineal positiva entre las variables Ventas y


Oportunidad, Ventas y Fortaleza, Ventas y Promoción, Oportunidad y
Fortaleza. Así, si se produce un aumento/disminución en una de ellas
la otra también aumenta/disminuye.
CASO APLICATIVO

Hay dependencia lineal negativa y débil entre las variables


Oportunidad-Visitas y cualquiera de las otras tres variables.
Para comprobar las hipótesis de la regresión lineal, realizamos un
gráfico de dispersión de los errores tipificados frente a los valores
estimados visualizando que se cumplen todas las condiciones
requeridas. En la regresión se ha especificado Ventas como variable
dependiente y Oportunidad, Fortaleza, Visitas y Promoción como
variables independientes.
CASO APLICATIVO

Al tener más de una variable independiente, para poder determinar


la bondad de ajuste, hay que fijarse en el valor de R cuadrado
corregida. El ajuste es aceptable al ser 0.812, este valor revela que
las variables independientes explican casi un 82% de la variación en
las ventas.

El valor de Durbin-Watson es a 2, por tanto residuos


incorrelacionados.
CASO APLICATIVO

La tabla del análisis de la varianza, con el estadístico F, nos muestra


que la regresión, en su conjunto , es significativa a un nivel superior
al 99% (el modelo explica muy bien la variabilidad de las ventas)
CASO APLICATIVO

Las únicas variables con una significación inferior a 0.05 son las
variables Oportunidad y promoción, lo que muestra que sólo estas
variables sirven para explicar el comportamiento de las Ventas.
CASO APLICATIVO

Como las Ventas sólo dependen de las variables Oportunidad y


promoción, se debe realizar una nueva regresión en la que sólo se
incluyan estas dos variables y poder ajustar mejor el coeficiente de
cada variable independiente.
CASO APLICATIVO

En esta nueva regresión la bondad del ajuste es buena (R cuadrado


corregida=0.820
CASO APLICATIVO

Y los coeficientes de la nueva regresión son, como cabía esperar,


significativos.

Como se ha observado en la primera regresión, son significativos los


coeficientes de las variables Oportunidad y Promoción y no son
significativos los coeficientes de las variables Fortaleza y Visitas. Es
decir, con los datos de este ejemplo no hay una relación lineal entre
el número de las visitas que se hacen a los clientes y las ventas que
se consiguen.
CASO APLICATIVO

Esto puede ocurrir, ay que es posible que a partir de un determinado


número de visitas el cliente haya llegado a su volumen máximo de
compras y un incremento en las visitas no se traslada en un
incremento en las compras.
CASO APLICATIVO

De la misma forma, la posición de fortaleza de la empresa


vendedora no garantiza una relación con el volumen de las ventas,
pues los clientes industriales prefieren tener siempre un determinado
número de proveedores para hacer sus compras con el fin de no
romper su proceso productivo si alguno de ellos falla.
CASO APLICATIVO
Del análisis efectuado concluimos que la recta de regresión que
tiene utilizar la empresa para pronosticar futuras ventas a los clientes
es la siguiente:

Ventas  33631.026  19297.408Oportunidad  26.782 Pr omoción

También podría gustarte