Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Act 3
El análisis de regresión es uno de los métodos más utilizados para hacer
estimaciones, y es empleado cuando existe relación entre dos o más variables. El
análisis de regresión, se basa en la observación que se realiza para cada una de las
variables, donde se da a conocer una ecuación matemática que indica la relación de
estas; cuando se tiene una ecuación esta se utiliza para poder estimar valores futuros
que puede tener una variable.
Considerando esto para este trabajo se desarrolla un análisis predictivo estadístico
aplicando el modelo de regresión lineal simple y múltiple para obtener si las variables
tienen correlación entre si y como pueden afectar o beneficiar a la empresa Spider de
juntas automotrices.
Resultados obtenidos
Los parámetros de los dos modelos, simple y múltiple se encuentran en
multicolinealidad ya que las dos variables independientes son una combinación, esto
se puede apreciar en los resultados donde los valores de a y b son 0 y 8, con un
coeficiente de determinación de 1, en ambos modelos.
El nivel de error y su comportamiento del modelo estimado, es superior a lo razonable
el cual previene de los fenómenos aleatorios los cuales afectan a los datos y sus
correcciones. Los modelos que se ocupan son los adecuados para representar a las
variables.
Conclusiones
El modelo de regresión se estima adecuado para representar la relación entre las dos
variables.
En el modelo de regresión simple de una variable, se puede interpretar como
resultado: ventas = 8+0 (rechazos), con un coeficiente de determinación = 1
Modelo de regresión múltiple: ventas estimadas (fx) = 8+0(Año 2012) +0(ventas de
juntas), con un coeficiente de determinación = 1
En ambos modelos el signo de los coeficientes de las variables independientes tiene
un coeficiente de signo positivo, lo cual indica que la relación es directa entre ellas y la
variable dependiente, es decir cuando disminuyen los rechazos se incrementan las
ventas.
La magnitud de los coeficientes, en el primer caso, los rechazos no afectan el
incremento de las ventas ya que se tiene cero en el año por cada trimestre, conforme
a las unidades de medida de ambas variables.
En el segundo caso, por cada rechazo de juntas las ventas se mantienen estables en
los cuatro trimestres del año 2012.
PARA 2013
El pronóstico para el año 2013, de acuerdo a sus ventas en el primer trimestre, se
puede observar que las variables independientes en el modelo simple y múltiple
conforme a su tendencia es con relación a lo que se viene manejando en el año 2012,
estas variables tienen correlación, ya que se ven afectadas las ventas de las juntas por
los rechazos de estas.
Conclusiones
Una vez desarrollado el análisis estadístico aplicado al modelo de regresión lineal
simple y múltiple para la empresa Spider, se llega a las siguientes conclusiones:
1. Se deberá tener un pronóstico de regresión conforme a una lineal simple siempre
buscando el punto en que se debe pronosticar.
2. Se debe contar con un rango de valores, dependiendo las variables.
3. Los rangos de valores conocidos dependiendo de las variables
4. Conforme a los dos modelos de regresión lineal y múltiple estos demuestran los
coeficientes de determinación en relación con las variables analizadas.
Este análisis se puede decir que es confiable para realizar el modelo de regresión para
que la empresa automotriz incremente su productividad y sea competitiva en el
mercado.
Referencias