PROCEDIMIENTO PARA CÁLCULO DE PRONÓSTICO

ECUACIONES IMPORTANTES PARA MODELO LINEAL

Donde:
Y es la variable dependiente
X es la variable independiente
m es la pendiente
b es la intersección en el eje de las ordenadas
n es el número de datos
es la media de x
es la media de y

ECUACIÓN IMPORTANTE PARA CORRELACIÓN

Donde:
r es el coeficiente de correlación
Y es la variable dependiente
X es la variable independiente
n es el número de datos
es la media de x
es la media de y
DATOS INICIALES

Enunciado: Se tiene pensado abrir dos

fábricas, una con una capacidad para
producir mensualmente en promedio 55,500
unidades de block y en otra fábrica una
capacidad de 22,500 unidades. Se cuenta
con la siguiente información recabada a lo

Mes Unidades (x)Operadores (y)

Enero 400 12
Febrero 390 10
Marzo 1200 40
Abril 1900 50
Mayo 950 30

TABLA DE CÁLCULOS

Mes Unidades (x)Operadores (y) xy x2 y2 *

Enero 400 12 4800 160000 144 -568 -16.4 322624 268.96 9315.2
Febrero 390 10 3900 152100 100 -578 -18.4 334084 338.56 10635.2
Marzo 1200 40 48000 1440000 1600 232 11.6 53824 134.56 2691.2
Abril 1900 50 95000 3610000 2500 932 21.6 868624 466.56 20131.2
Mayo 950 30 28500 902500 900 -18 1.6 324 2.56 -28.8
Sumatoria 4840 142 180200 6264600 5244 1579480 1211.2 42744
Promedio 968 28.4
CÁLCULO DE ECUACIONES

INTERPRETACIÓN DE CORRELACIÓN

INFORMACIÓN IMPORTANTE DE INTERPRETACIÓN DE CORRELACIÓN

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.

En nuestro ejercicio, al tener una correlación de 0.977 podemos indicar que existe
una correlación fuerte por lo cuál es adecuado utilizar esta ecuación para determinar
la cantidad de operarios que se necesitan en cada fábrica.
ANÁLISIS DE RESULTADO

Dado que la ecuación es adecuada, al utilizar la ecuación se obtienen los siguientes resultados

Fábrica Unidades Operación Operarios

A 55,500 y=0.0271(55,500)+2.2.039 1506.2539
B 22,500 y = 0.0271(22,500)+2.2039 611.9539

En tanto, son necesarios aproximadamente 1506 o 1507 operarios en la fábrica A y alrededor

de 611 o 612 en la B para cumplir con la producción deseada mensualmente.

VERIFICACIÓN DEL MODELO CON EXCEL

1. MEDIANTE GRÁFICA
a. Seleccionar las columnas de los datos iniciales “x” y “y”
b. Insertar gráfico de dispersión
c. Click derecho en alguno de los puntos y seleccionar “Agregar línea de
tendencia”
d. Al aparecer el recuadro de formato de línea de tendencia, habilitar las
opciones de “Presentar ecuación en el gráfico” y “Presentar valor R cuadrado
en el gráfico”. OJO: R CUADRADO NO ES LO MISMO QUE SOLO EL
COEFICIENTE R, NO CONFUNDIR ESTOS DOS TÉRMINOS.
2. MEDIANTE “ANÁLISIS DE DATOS” DIRECTAMENTE DE EXCEL

El programa Excel le da la opción de obtener el coeficiente de correlación lineal

mediante una opción directa llamada análisis de datos. Se adjunta link de Youtube
donde se explica claramente cómo obtenerlo por si quiere un doble respaldo y
obtener el siguiente cuadro:

Unidades (x) Operadores (y)

Unidades (x) 1
Operadores (y) 0.977260093 1

LINK: https://www.youtube.com/watch?v=Dy8I-TYoel0