Comparación de estándares de producción

determinados con cronómetro y con la técnica de

datos estándares, utilizando análisis de regresión:

ANÁLISIS DE REGRESIÓN:

En análisis de regresión es una herramienta de frecuente uso en estadística que

permite investigar las relaciones entre diferentes variables cuantitativas. Esto,
mediante la formulación de ecuaciones matemáticas.

Visto de otro modo, el análisis de regresión es un proceso o modelo que analiza el

vínculo entre una variable dependiente y una o varias variables independientes.
Así, a partir de dicho estudio, se halla una relación matemática.

Gracias a los procesos de regresión, es posible entender el modo en que la

variable dependiente es afectada por cambios en los demás factores.

Aplicaciones del análisis de regresión

Una de las principales aplicaciones del análisis de regresión es la proyección con

diferentes escenarios. Esto, teniendo en cuenta el grado de influencia (en
estadística se conoce a esto como correlación) sobre la variable dependiente.

Es decir, el objetivo del análisis de regresión es construir una función que permita
estimar el valor futuro de la variable de estudio.

Desde otro punto de vista, la regresión permite calcular una esperanza (promedio)
condicional. Para ese fin, se toman como dados los valores de las variables
independientes.

Cabe precisar que cuando se tiene en cuenta solo una variable independiente
hablamos de regresión lineal simple. En cambio, si se incluyen más factores, se
trataría de una regresión lineal múltiple.

El análisis de regresión tiene aplicaciones para la vida cotidiana. Esto, desde el

estudio de accidentes de tráfico en una determinada zona geográfica hasta
comprobar si un plan de estudios es recomendable según la tasa de abandono
escolar, así como estudio de tiempos estándares en los procesos.

¿Cómo es la relación entre la demanda y el tiempo? Para responder esta

pregunta, haremos uso del coeficiente de correlación (r).
Este coeficiente, te permitirá entender qué tanta correlación existe entre la
demanda y el tiempo.
  Correlación perfecta: Cuando el resultado de coeficiente es igual a 1 o -1.
En este caso existe una relación directamente proporcional entre la
demanda y el tiempo.
 Correlación fuerte: Cuando el resultado es mayor a 0.5 y menor que 1
(correlación positiva) o menor a -0.5 y mayor que -1(correlación negativa).
 Correlación débil: Valores que están entre -0.5 y 0.5.

Entre más cercano se encuentre el coeficiente de correlación a +1 o -1 más fuerte

será la tendencia y más apropiado será aplicar un modelo de regresión lineal. Por
ejemplo si la correlación es igual a 1, observaremos que la relación entre las
variables es directamente proporcional, en el sentido que si uno aumenta, la otra
también lo hará.