| t Estadistica general con aplicaciones | 4.1 INTRODUCCION En la etapa anterior, nos ocupamos de la Estadistica Descriptiva, en la cual se organizan los datos en una tabla de distribucion de frecuencias, y se calculan las medidas de tendencia central y dispersién, para describir las caracteristicas que hacian referencia a.una sola variable. Ahora, nuestro interés sera estudiar la relacién que pueda existir entre dos variables, para desarrollar un modelo matematico que nos permita estudiar su comportamiento. Este modelo, podra ser utilizado para hacer predicciones, asi como también, controlar y optimizar el grado de asociacién existente eritre las variables. 4.2 CONCEPTO DE PRONOSTICO Desde el punto de vista de los negocios, un pronéstico o prediccién corresponde a la estimacién de las futuras demandas de los clientes por los productos 0 servicios. De esta forma, el prondstico nos orienta asi: + Adeterminar qué productos se requieren. + Cuantos seran solicitados por los clientes. + Cuando ocurriran estas demandas. Todo lo anterior, se evalia con el propésito de prover los recursos para su producci6n. 4.3. METODOS UTILIZADOS Estos se pueden agrupar en tres categorias: Métodos subjetivos Se basan en opiniones de expertos 0 con experiencia, los cuales hacen pronésticos sin la necesidad de utilizar modelos matematicos. Algunos ejemplos: + Opiniones de gerentes de ventas y distribuidores. + Intuicién de ventas por dias feriados u otras actividades. + Opinar sobre el pronéstico del tiempo. + Predecir sobre el éxito de un producto en el mercado. Capitulo4 444 Escaneado con CamScannerMétodos historicos t6ricos, utilizando modelos hist ecedentes los de modelos: r ji asada 0 los ant raigunos eer | icaciones | Estadistica general con aplicacion | icos. Se basan en la actuaci6n pé : matematicos para realizar los pronésti + Promedio simple. * Promedio movil. + Minimos cuadrados ap! + Regresién multiple. + Regresién curvilinea. + Regresiin logistica. + Series de tiempo. * Atenuacién exponencial. cados ala regresion ineal simple. a i i Métodos causales Se basan en las causas que determinan los acontecimientos que se daran en el futuro, Por ejemplo: + Modelo de correlaci6n lineal simple. 4.4 USO DEL METODO GRAFICO Como primer paso, se deben graficar los datos y determinar si existe una relacién entre las variables. A esta gréfica se le denomina diagrama de dispersion. Los métodos graficos en el andlisis estadistico tienen Sus ventajas como: + Ahorran tiempo y trabajo. ~ Ayudan a planear operaciones y juzgar los resultados + El analista puede eliminar valores extremos i 7 de los datos, $ que distorsionan la tendencia general Sin embargo, también tienen sus desventajas: * Potencialmente, reflejan los er e a Tores subj * Debido a la presencia del elemento ie (el analista, Predecir nuevas observaciones, 412 Capitulo 4 Escaneado con CamScannerEstadistica general con aplicaciones Se recomienda utlizar los métodos gréficos y malematicos en forma combinada para aprovechar las ventajas de cada uno de ellos, Amanera de ejemplo, se examinan las siguientes situaciones expuestas en la figura 4.1, en donde puede apreciarse que las dos graficas superiores muestran una relaci6n lineal Para describir mateméticamente su comportamiento, se podra desarrollar una ecuacién lineal. Sin embargo, las dos graficas inferiores sugieren una relacion no lineal. Para este tipo de casos, se pueden ajustar funciones curvilineas a través de una parabola u otro polinomio, o transformando los datos a logaritmos u otras funciones algebraicas. TIPOS DE RELACION ENTRE LAS VARIABLES Directamente Proporcional Relacion no line: Figura 4.1 Inversamente Proporcional Relacién no lineal 4.5 ANALISIS DE REGRESION LINEAL SIMPLE Para este modelo, el prondstico se convierte en una cuestién de determinar la linea de mejor tendencia general y de interpolar o extrapolar esta linea hacia un comportamiento futuro, Esta linea se determina por el método de los minimos cuadrados y su ecuacién se define por: Capitulo 4 13 Escaneado con CamScanner‘iones Estadistica general con aplicaclo year bX en donde: a predecit. ; Jor el 4 A Si endo su val le mejor aproximacién, Y: vereule Sea be eleje "Y" de la le eer a: Punto de inters« ral : : b:. Valor de la pendiente de la linea de ess el se predice la variable X: Variable independiente, en termine’ fe Mtuncion del tiempo, rango de da dependiente. Esta puede estar - A valores 0 como un indicador econdm Como se deduce, el modelo solo se rest sta relacion. muestra el esquema que representa en forma grafica es ESQUEMA GRAFICO PARA LA LINEA DE REGRESION s # g a 3 2 & 2 a 8 4 a 2 £ $ 16 2 25 a0 3840 ase VARIABLE INDEPENDIENTE xi Figura 4.2 Modelo de regresi6n lineal simple Formulas De la expresi6n de una linea recta: Yea+bx 114 Capitulo 4 fringe a relaciones de tipo lineal. Seguido, se Escaneado con CamScannerEstadistica general con aplicaciones] las ecuaciones para determinar “a” y “ | como punto de interseccién y pendiente, respectivamente, son las siguientes. Pendiente Primero se obtiene el valor de la pendiente de la linea de mejor aproximacién tal como se describe: Este valor es interpretado como el incremento 0 disminucién promedio, segun sea su signo, del valor de la variable dependiente con respecto al cambio en una unidad de medida de la variable independiente. Punto de interseccién Ya que el punto de interseccién depende del valor de la pendiente, es en este momento que se puede abordar su calculo a través de la siguiente expresion bx, a-2_*+_ 7 Cabe sefialar, que este valor sirve como referencia para identificar el punto de inicio de la linea de mejor aproximacién y el eje de las ordenadas. Reflexiones sobre el modelo A medida que avanza el proceso de solucién del problema, la incomodidad puede verse acompajiada por frustraciones al relacionar los datos y obtener interpretaciones significativas de los mismos. Es por ello, que se recomienda llevar a cabo una organizacion de los datos para aliviar algunas dificultades al momento de llamar la atencin sobre la informacién en referencia. Lo anterior, ayuda a definir el problema. Por otra parte, basar los pronésticos en las evidencias histéricas elimina la mayor parte de la intranquilidad relacionada con el hecho de descansar en opiniones personales. Los datos histéricos son simplemente hechos y corresponde, al que realiza el pronéstico, interpretarlos. No se escapa la posibilidad de que un pronosticador pueda introducir una parcialidad en la interpretacién de los resultados, pero su inclinacién quedara al descubierto porque los Capitulos 445 Escaneado con CamScannerones _onibles para VOVEr @ SEF Ex2rTingy, setico est27an JISPON bien una ciencia que un. hechos con los cuales hizo el Ca gtimacion e one de los mejores ae ir asi su desaciet0- de = eee eas ea estables, pero & eae es el que finalmente se imp. cuando las condiciones peti Ce izaje por © y herramientas posibles, el aprendizale PO" |Estadistica general con aplicaci a nda por departamentos se Obtiene Que e En la seccién de articulos para autos veperimento cierto CObeMOT Utlizad pa. comportamiento de la demanda mensual que ces la proteccién del sol en el titimo afio, es Ia sig una tie! NUMERO DE COBERTORES SIRSSSSSSELS Pasos a seguir Paso #1 Graficar los datos : Para comprobar la ey; Gefinen previamente las variables, *"°"C%2 de Una tendon: 116 Capitulo 4 ‘€ncia lineal. Para ello, S° Escaneado con CamScannerEstadistica general con aplicaciones . cane de articulos solicitados por los clientes. eses tomados en consideracion para la prediccion. be indicar, alti Cal Alea ue esta ultima variable debe transformarse apropiadamente de una sae e ava iva a una cuantitativa, tomando como base el mes de Enero = 1. De esta : 10s dispuesta una serie de valores para desarrollar el modelo matematico. DISTRIBUCION DE LA DEMANDA SEGUN LOS MESES ° Soe as? ot og gi? eee oH yn 0 SO oot MESES Figura 4.3 La grafica nos muestra que el comportamiento de la demanda, dentro del periodo que se ha tomado en consideracién, tiene las caracteristicas de una relacién directamente proporcional. Comprobada la existencia de una relacién de tipo lineal, se procede a aplicar el modelo de regresi6n para crear las ecuaciones. Paso #2 Ordenar los resultados de los términos de las ecuaciones, tal como se han organizado en la tabla 4.3. Los valores aqui generados seran asignados en las expresiones que le corresponden a la pendiente y punto de interseccién de la linea de mejor aproximaci6n. Capitulo4 447 Escaneado con CamScannerjones Estadistica general con aplicac Tabla 4.1 Paso #3 Se reemplazan los resultados en las ecuaciones para obtener los valores de “b” y ‘a’. (126338) - (78\761) (12650) - (78)? b=2.74 articulos Por mes, 118 Capitulo 4 Escaneado con CamScannerEstadistica general con aplicaciones Paso #4 Finalmente, la linea de regresié i l . gresion 0 de mejor aproximacién quedara representada por la siguiente ecuacién: verse " ‘pre oe Y=45.6+2.74X Paso #5 ie obtener 'a demanda estimada en el préximo mes de enero, se sustituye el valor de Y =45.6 +(2.74)(13) Y =81.1~82 articulos Conclusién Si el sistema que causas a la demanda no cambia, se espera fuertemente que esta sea de 82 articulos. Como sistemas de causa posibles que pueden afectar el pronéstico de la demanda, se identifican algunos factores externos no controlables por la empresa, los cuales deben monitorearse. Estos factores pueden ser: + Competencia + Precio de venta + Innovaciones en el mercado por la moda u otros disefios. Cabe indicar, que los valores tomados en consideracién deberan ser monitoreados con el fin de retroalimentar periédicamente el modelo construido. Otro aspecto importante, es que al realizar el pronéstico de ventas nos permite elaborar el presupuesto para enfrentarlas. Es a partir de este, que se podran elaborar los demas presupuestos, tales como el de produccién, compra de insumos o materia prima y requerimiento de personal. En otras palabras, hacer el pronéstico de ventas nos permite saber cuantos productos vamos a producir, cuanto necesitamos de materia prima, cuanto personal vamos a requerir y cuanto vamos a requerir de inversion, para que de ese modo se logre una gestion mas eficiente del negocio, permitiéndonos planificar, programar, coordinar y controlar las actividades y recursos. Capitulo4 449 Escaneado con CamScanneron aplicaciones Estadistica general c _ =yANDA sEGUN LOS MESES eI a D DISTRIBUCION DE LA Figura 4.4 4.6 COEFICIENTE DE CORRELACION LINEAL DE PEARSON Esta es una herramienta que se utiliza para medir el grado con el cual una variable esta linealmente relacionada con otra, para darle validez al Ppronéstico. Cabe indicar, que mientras mas dispersos se enci " a uentren los puntos con respecto a la linea de mejor aproximacion, menor sera el valor : ni del coeficiente. La ecuacién que determina este coeficente, esta dada por: 3x Sy, "Pretacién del coos Una vez calculado su valor, la inte el signo que lo represente. 120 Capitulo 4 Crente dependera de la magnitud ¥ Escaneado con CamScannerEstadistica general con aplicaciones Interprotacién dol cooticionto Caso para “b" positiva sila pendente do la ocuaclon do ostimacién es positiva, “r" serd positive y existiré una rola n directamonto proporetonal entro las variables, El valor de “r” oscilaré entre 0 y 1, Do sor uno, Indica quo os nula la posibilidad de equivocarnos por ser perfecta su asociacién. Si os menor quo uno, oste riesgo aumenta. GRADO DE DISPERSION ENTRE LAS VARIABLES Relacién perfecta r= +1 Figura 4.5 Caso para “b” negativa Sila pendiente de la ecuacién de estimacion es negativa, “r’ sera negativo y existira una relacion inversamente proporcional entre las variables. El valor de “r’ oscilara entre 0 y -1. La interpretacin del resultado es andaloga a la anterior. Es importante sefialar, que si no existe relacion entre las variables, el valor de la pendiente sera de cero. Capitulo4 424 Escaneado con CamScannern aplicaciones Estadistica general co! Figura 46 BLES ERSION ENTRE LAS VARIA! SP ee Para interpretar su resultado, se utilizaré la tabla 4.2. La misma nos muestra cémo el valor cuantitativo que se genera en la ecuaci6n, se traduce en forma categérica a una cualidad que describe su grado de compatibilidad, Es importante aclarar, que es posible En el ejemplo anterior, se pronosti ; caron el nime, mes de enero. Ahora el "0 de coberto mo esa demande soon ele _ ee ©N conocer que tanta res a vender en el aut . ir : is lineal e interpretarlo, Porello que Se solicita Calculer elouer i a oe aan Iciente de correl 122 Capitulo 4 Escaneado con CamScanner| Estadistica general co Tabla 4.2, INTERPRETACION PARA EL VALOR DEL COEFICIENTE DE CORRELACION LINEAL SIMPLE DE PEARSON VALOR ABSOLUTO INTERPRETACION DEL DEL COEFICIENTE COEFICIENTE Igual a0 Nula Mayor de 0 y menor que 0.10 Muy baja De 0.10 y menor que 0.20 Baja De 0.20 y menor que 0.40 Moderadamente baja De 0.40 y menor que 0.60 Moderada De 0.60 y menor que 0.80 Moderadamente alta De 0.80 y menor que 0.90 Alla De 0.90 y menor que 1.00 Muy alta Igual a 1.00 Perfecta Soluci6n Para la ecuacién se obtienen sus términos previamente calculados y organizados en la tabla utilizada como referencia para construir el modelo. Luego son reemplazados a continuaci6n: (125338) - (78761) "~"G2\650) -(78F -, (1249459) - (7617 +0.946 Conclusién Este resultado indica que existe una correlacién o asociaci6n “muy alta” entre lademanda de articulos y los meses transcurridos. De hecho, se puede pronosticar a la demanda con un grado de confiabilidad “muy alto”, preparando asi, los recursos financieros y humanos necesarios para dar frente a dicha demanda. Capitulo4 423 Escaneado con CamScannerciones lEstadistica general con aplicacio in por el modelo. Suvalor que oso, sionada nza se debe al Modelo, y «, ova: nza que es 0CAS! la varial : dee casi toda 1. Es un indicador estadisticg ge Coeficiente de determina Este mide el porcentaje de la variar a ignifica - de 0. 1, cuando es cercano aod ‘ala varianza ia dol modelo utizade co es cercano a 0 significa que la capacidad reer a eT p otra forma, calcula el grado en an explicada as Si ta variacion ‘ente de determinaci iable dependiente. Al expresar aie {ota dela variable dependiente, obtenemos el Coe variacion explicada re ion total vatiaci {o a la ecuacion anterior, como |g se explica mediante Ia eer erd El coeficiente de determinacién se define, de acut en Y que se explica proporcién de la variacién total en la variable eee vs variable independiente. Es decir, mide el porcentaje de la vé por la variacion en X. En el ejemplo anterior, sobre la demanda de articulos y los meses tomados en Consideracién, el coeficiente de correlacién fue evaluado en 0.946, interpretandose como “muy alto” en su categoria. Sin embargo, ese término no tiene un significado preciso. Una medida mas facil de inlerpretar es el coeficiente de determinacién, el cual se calcula elevando al cuadrado el Coeficiente de correlacion. Para el ejemplo, el coeficiente de determinaci6n seria: r= (0.946)? r=0.929 Este resultado es una relacion proporcion: lal 0 porcentaj i que el 89.5% de la variacién de la demand e sree an ereu ee come variacion en los meses. En resumen, este indicador dj cripti r 1 eS escriptivo, mide lq eficienc realizar el pronéstico, por ello, Se pued ere cteiene la expresién tilizada para a de la i6n utili mage °ASI0 utiizado es 89.5% efciente, Escaneado con CamScanner| Estadistica general con aplicaciones Una pequefia cooperativa se especializa en la venta de dos productos: café en polvo y chocolate en polvo. Esta cooperativa ha recibido a dos estudiantes para realizar un proyecto de final de curso. Este proyecto consiste en evaluar el efecto que tiene el precio del chocolate en polvo, en balboas, sobre la demanda del café en polvo, en libras. Para ello, se ha registrado informacién que se presenta a continuacién: Utilice el modelo de prediccién correcto para estimar la venta de café en polvo como una funcién del precio del chocolate en polvo. Paso #1 Graficar los datos para comprobar la existencia de una tendencia lineal. Para ello se definen previamente las variables. Y: venta de café en polvo - libras. X: precio del chocolate en polvo - balboas. Se escogen las escalas apropiadas para ilustrar los ejes del grafico y mostrar asi la tendencia de sus resultados. Capitulo4 425 Escaneado con CamScannerFigura 4.7 Seguin la grafica, se puede apreciar que la venta de café guarda una relacién del tipo lineal con respecto al precio del chocolate. Comprobada la existencia de esta relacion, se Procede a aplicar el modelo de regresion para crear las ecuaciones. Paso #2 Paso #3 Se reemplazan los resultados en las €cuaciones Para obj obtener log (10 » = Cease )—(65) gag (10)(28s1 )_ 5 yp? 5=39.5 librag Por balboa Valores de “b” 126 Capitulo 4 Escaneado con CamScannerEstadistica general con aplicaciones te valor se int i at oe estadisticamente como el incremento promedio de las ventas de otal saad balboa que se invierta en el precio del chocolate. Es decir, se esp alboa que aumenta el precio del chocolate en polvo, la venta de café aumente en 19.71 libras. A continuacié . A continuacién, se calcul: i Sie eee ja el punto de intersecci6n, el cual = 5836- (39.5)(168) 10 a=-68.2 libras Tabla 4.3 270400 302500 360000 372100 384400 524176 462400 90000 925444 72900 1 2 3 4 5 6 7 8 9 3 3764320 Paso #4 Finalmente, la linea de regresion o de mejor aproximacién quedara representada por la siguiente ecuaci6n: Y =-68.24+39.5X Capitulo4 427 Escaneado con CamScanner| aciones lestadistica general con aplic y 060.26 90.5% 19 20 21 22 23 24 25 26 2 11:12:13 «14 15 16 17 18 Figura 4.8 Conclusién El grafico presenta una relacién positiva entre las variables Precio del chocolate en polvo y la Venta de café en polvo, lo cual indica que ambos productos son sustitutos. Para determinar el grado de relacién entre ambas variables, ficiente de correlacion y el de determinacion, » calcularemos el coet organizados en la tabla utilizada como refey reemplazados a continuacién: (o)t02964)- (165)336) ((10)(2891)- (165)e r=+0.857 ‘(00}(3764320)— (6096) 128 Capitulo s Escaneado con CamScannerEstadistica general con aplicaciones | Este resultado indica que existe una correlacién 0 asociacion “alta” entre la venta de café y el precio del chocolate en polvo. Para el calculo del coeficiente de determinacién seria: r’=(0.857)? De aqui se puede interpretar que el 73.4% de la variabilidad de la venta es producto del precio del chocolate en polvo, El restante 26.6% de la variabilidad es explicada por otras variables que no aparecen en el estudio. En resumen, la eficiencia de la expresion utilizada para realizar el pronéstico es del 73.4%. eae t La empresa Cajetén, es una pequefia empresa familiar dedicada a la fabricacion de cajas de carton de alta calidad. Esta organizacién ha mantenido una buena relacion con una Cooperativa dedicada a la venta de jugos de naranja, desde hace ya 10 afios. La Cooperativa embala sus productos en dos tipo de caias, chicas y grandes, las cuales son compradas a la empresa Cajet6n. Para realizar una mejor planificacion de las compras, la empresa Cajetén le ha contratado a usted para determinar las ventas del proximo afio. ‘Acontinuacion, se presenta dicha informacién histérica de las ventas de cajas, en miles, Y la cantidad de cajas que se pueden obtener de una bobina estandar para cada tamafio: Chicas Grandes (miles de cajas) (miles de cajas) Capitulo 429 Escaneado con CamScannericacione> Estadistica general con aplicac! para estimar la cantidad de bobinas que g¢ Utilice el modelo de prediecion correcto Pata mos tamarios de Calas. deberan comprar para satisfacer la deman Paso #1 i ia lineal. Graficar los datos para comprobar la existencia de una tendenci Venta de cajas (en miles) por afio 6 ——— 50 40 chica | 20 *Grande Venta (en miles) 20 10 Figura 4.9 En este mismo grafico se puede observar una tendenci, Positiva para ambos tamatios de cajas, Sncia del tipo lineal de pendient® 130 Capitulo 4 Escaneado con CamScannerEstadistica general con aplicaciones Paso #2 Ordenar los datos resultados de los términos de las ecuaciones, tal como se han organizado en la tabla 4.4 y 4.5. Los valores aqui generados seran asignados en las expresiones que le corresponden a la pendiente y punto de interseccién de la linea de mejor aproximacion. Tabla 4.4 Tabla 4.5 Capitulo 4 434 Escaneado con CamScannera get ‘on aplicaciones Estadistica general con aplicacl ener los valores de “b" y “ar, Paso #3 es para obt ecuacio! Se reemplazan los resultados en !25 le las cajas chicas: 7(1059 )- (28 238) b= “"(ur4o )- (28) 4 miles de unidades Para el caso di por afio b=4.1 Para el caso de las cajas grandes: »._ 1688 (28189) =" nirdo )-(28 b=3.93 miles de unidades por afio Ahora se calcula el punto de intersecci6n de la linea de mejor aproximacion para finalmente crear el modelo. Para el caso de las cajas chicas: a= 238-(4 11)(28) 7 a=17.27 miles de unidades Para el caso de las cajas grandes: a — 139 - (3.93 )(28) ae a=4.14 miles de unidades Para el caso de las cajas chicas: Y=17.2744.11x 132 Capitulo 4 Escaneado con CamScannerEstadistica general con aplicaciones Para el caso de las cajas grandes: Y=4.1443.93 X Conclusién Para el caso de las cajas chicas: Y=17.27+4.11X Y =17.27 +4.11(8) Y=50.15 Se estiman el numero de bobinas: oti =11.14012 00 Para el caso de las cajas grandes: Y =4.1443.93 X Y = 4.14 +3.93 (8) Y =35.58 Se estiman el numero total de bobinas necesarias para enfrentar el pedido: 0 Bobina: ee =17.79%18 2000 Finalmente, se necesitard tener disponible un total de 12 + 18 = 30 bobinas para satisfacer la demanda de cajas de cartén del siguiente afio. PROBLEMAS DE PRACTICA PROBLEMA #1 Una de las empresas cerveceras considera que la venta de uno de sus productos pareciera depender mucho del nivel de publicidad. A fin de examinar esta observacién, se evaltia una muestra de los gastos publicitarios realizados en los Ultimos cinco afios para la marca analizada. Con el fin de descartar cualquier contaminacion en las ventas, se tiene presente que el precio de esta cerveza se ha mantenido practicamente invariable en el periodo de evaluaci6n. Capitulo 4 433 Escaneado con CamScanner