Está en la página 1de 5

Pronósticos casuales con regresión lineal.

El objetivo es pronosticar una variable dependiente, por ejemplo, las ventas en función de una o mas
variables independientes, por ejemplo, el precio. Este es un pronostico casual, porque el valor de la
variable dependiente esta causado o al menos tiene una correlación alta con el valor de la(s) variable(s)
independiente(s).

Lo primero que bebe hacerse es un análisis de correlación para medir la asociación entre dos variables:

Elaborar un diagrama de dispersión para observar si existe una relación lineal entre las variables. En un
sistema de coordenadas graficar la nube de puntos considerando X= variable independiente e Y=variable
dependiente.

Calcular el coeficiente de correlación para establecer la medida de la fuerza de la relación lineal entre las
dos variables. Este coeficiente tiene las siguientes características:

 Varia de -1 hasta +1, ambos inclusive.


 Un valor cercano a 0 indica que hay poca asociación entre las variables.
 Un valor cercano a +1 indica una asociación directa o positiva entre las variables.
 Un valor cercano a -1 indica una asociación inversa o negativa entre las variables.

Calcular el coeficiente de determinación para determinación la proporción de la variación total en la


variable dependiente Y que se explica por la variación en la variable independiente X.

Realizar una prueba de la importación del coeficiente de correlación para determinar si la correlación se
debe o no a la casualidad.

Si el análisis de correlación concluye que existe una relación lineal fuerte entre las variables, se procede
a elaborar una ecuación para expresar la relación lineal (recta) entre las variables con la finalidad de
estimar el valor de la variable dependiente Y con base en un valor seleccionado de la variable
independiente X. la técnica para desarrollar la ecuación y proporcionar los estimados se denomina
análisis de regresión.

La referencia ecuación de la recata que relaciona las variables es una ecuación de regresión que se
determina aplicando el método matemático denominado principio de los mínimos cuadrados que
proporciona la recta del mejor ajuste. El método de os mínimos cuadrados determina una ecuación de
regresión al minimizar la suma de las desviaciones cuadráticas entre los valores reales y los valores
estimados de Y.
REGRESION LINEAL SIMPLE

Ejemplo:

La siguiente información muestra las llamadas realizadas a clientes y computadoras vendidas por 10
vendedores.

Vendedore Llamadas a clientes Computadoras vendidas


s
1 20 30
2 40 60
3 20 40
4 30 60
5 10 30
6 10 40
7 20 40
8 20 50
9 20 30
10 30 70

Se desea determinar si existe una relación lineal entre las variables y usar estas relaciones para fines de
pronósticos de ventas.

Paso 1: determinar cuales son las variables independiente y dependiente

Al analizar los datos se observa cierta relación entre el numero de llamadas a clientes y el número de
computadoras vendidas. Por ejemplo, el vendedor 1 hizo 20 llamadas a clientes y vendió 30
computadoras, el vendedor 2 hizo 40 llamadas a clientes y logro una venta de 60 computadoras. Es decir,
los vendedores que hicieron mas llamadas a clientes vendieron mas computadoras. Sin embargo, la
relación no es perfecta o exacta. Por ejemplo, el vendedor 10 hizo menos llamadas que el vendedor 2,
pero vendió mas computadoras.

Paso 2: elaboramos el diagrama de dispersión para establecer si la relación entre las variables es lineal o
no lineal. En un sistema de coordenadas graficamos los diez puntos (X, Y) = (20,30), (40,60), (20,40),
(30,60), (10,30), (10,40), (20,40), (20,50), (20,30), (30,70).

Diagrama de dispersión
80

70

60
Venta de computadoras
50

40

30

20

10

0
5 10 15 20 25 30 35 40 45

Llamadas a clientes

La nube de puntos en el diagrama de dispersión nos muestra una relación lineal (lo cual se indica con la
línea punteada por el centro de la nube) entre las ventas de computadoras (variable dependiente) y la
cantidad de llamadas a clientes (variable independiente).

Paso 3. Recta de Regresión

Una vez establecida una relación lineal, se puede emplear el conocimiento de la variable independiente
para pronosticar la variable dependiente mediante una línea recta Y= a +b=X, cuyos parámetros ‘’a’’ y ‘’b’’
se determinan aplicando el modelo de regresión lineal simple mediante las siguientes formulas:

n ∑xy −Σ× ∑ y
b=
nΣ x 2−( ∑ x )2

∑ y−b ∑ x
a=
n

a= intersección de la recta con el eje X, representa el valor promedio de Y cuando X es igual a cero

b= pendiente de la recta, significa que para cada incremento de una unidad en X el valor de Y aumenta
‘’b’’ unidades de promedio.

Estimación de intervalos
Se desea proporcionar estimaciones de intervalo de dos tipos. El primero, denominado intervalo de
confianza, presenta el valor medio de Y para en valor dado de X.

El segundo tipo se conoce como intervalo de pronósticos e informa acerca del valor individual de Y para
un valor particular de X.
Bibliografía

Guía del Modulo 1 Gerencial de operaciones y producción Editado por URBER en 20073

Fundamentos de Gerencia y Control de Producción. Autor Rafael Beaufond