PRODUCCIÓN

PRONÓSTICOS

PRONÓSTICOS CAUSALES CON REGRESIÓN El objetivo es pronosticar una variable dependiente, por ejemplo las ventas, en función de una o más variables independientes, por ejemplo el precio. Este es un pronóstico causal, porque el valor de la variable dependiente está causado o al menos tiene una correlación alta con el valor de las(s) variable(s) independiente(s). Lo primero que debe hacerse es un análisis de correlación para medir la asociación entre las dos variables: 1. 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. 1. 2. Calcular el coeficiente de determinación para determinar 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 importancia del coeficiente de correlación para determinar si la correlación se debe o no a la casualidad.

2.

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 referida ecuación de la recta 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 los 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.

REGRESIÓN LINEAL SIMPLE

ANIANO URTECHO AGUILAR

1

el vendedor 2 hizo 40 llamadas a clientes y logró una venta de 60 computadoras.40). (30.40). Vendedores 1 2 3 4 5 6 7 8 9 10 Llamadas Computadoras a clientes vendidas 20 40 20 30 10 10 20 20 20 30 30 60 40 60 30 40 40 50 30 70 Se desea determinar si existe una relación lineal entre las variables y usar esta relación para fines de pronóstico de ventas. Por ejemplo. los vendedores que hicieron más llamadas a clientes vendieron más computadoras. (20. la relación no es “perfecta” o exacta.60).60).y) =(20. (20. pero vendió más computadoras.30). (20. (10. Sin embargo. las variables son las siguientes: X = cantidad de llamadas a clientes (variable independiente) Y = cantidad de computadoras vendidas (variable dependiente) 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. En este sentido.30). Es decir.30). Concluimos que probablemente las ventas de computadoras dependen de la cantidad de llamadas que se hagan a los clientes. Paso 1: Determinar cuáles son las variables independiente y dependiente Al analizar los datos se observa cierta relación entre el número de llamadas a clientes y el número de computadoras vendidas. Por ejemplo el vendedor 10 hizo menos llamadas que el vendedor 2.70) ANIANO URTECHO AGUILAR 2 . (40.40). (10.PRODUCCIÓN PRONÓSTICOS Ejemplo: La siguiente información muestra las llamadas realizadas a clientes y computadoras vendidas por 10 vendedores. (30. el vendedor 1 hizo 20 llamadas a clientes y vendió 30 computadoras.50). (20.

Considerando que los valores de los coeficientes de correlación y de determinación suelen obtenerse fácilmente con los valores de “a” y “b” de la recta de regresión. el valor de Y aumenta “b” unidades en promedio.94736842 ANIANO URTECHO AGUILAR 3 . representa el valor promedio de Y cuando X es igual a cero. significa que para cada incremento de una unidad en X.184210526)22010=18.PRODUCCIÓN PRONÓSTICOS 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). b = pendiente de la recta. se puede emplear el conocimiento de la variable independiente para pronosticar la variable dependiente mediante una línea recta Y = a + bX. vamos a suspender por el momento el análisis de correlación para determinar la recta de regresión.184210526 a=Y-bXn=450-(1. Para determinar los parámetros a y b elaboramos la siguiente hoja de cálculo: Vended Llamada or s i Xi 1 20 2 40 3 20 4 30 5 10 6 10 7 20 8 20 9 20 10 30 ∑ 220 MEDIA 22 Ventas Yi 30 60 40 60 30 40 40 50 30 70 450 45 X2 400 1600 400 900 100 100 400 400 400 900 5600 XY 600 2400 800 1800 300 400 800 1000 600 2100 10800 b=nXY-XYnX2-X2=1010800-220450105600-2202=1. cuyos parámetros “a” y “b” se determinan aplicando el modelo de regresión lineal simple mediante las siguientes fórmulas: b=nXY-XYnX2-X2 a=Y-bXn a = intersección de la recta con el eje X. Paso 3: Recta de Regresión Una vez establecida una relación lineal.

184210526X a = 18.EJE(Y1:Yn. si se incrementa la cantidad de llamadas en 10. Ejemplo. antes de realizar el pronóstico retomamos el análisis de correlación para determinar si realmente existe una fuerte asociación entre las variables y qué proporción de la variación de la variable dependiente se puede explicar por la variación en la variable independiente. una correlación próxima a -1 significa una fuerte relación lineal inversa o negativa entre X e Y. indica la venta de copiadoras cuando no hay ninguna llamada a clientes o la porción de las ventas de computadoras que varía con respecto a factores diferentes a las llamadas a clientes.184210526) = 11. y una correlación cercana a cero quiere decir que existe una relación lineal débil entre X e Y.184210526 computadoras. esto es: 10(1.X1:Xn) =PROMEDIO(X1:Xn) =PROMEDIO(Y1:Yn) Donde Y1:Yn y X1:Xn son los rangos de celdas que contienen los valores de las variables dependiente “Y” e independiente “X”. El coeficiente de correlación puede calcularse mediante cualquiera de las siguientes fórmulas: r=XY-nXYX2-nX2Y2-nY2 ó también: r=aY+bXY-nY2Y2-nY2 Donde: X = media de X = ∑X / n = 220 / 10 = 22 ANIANO URTECHO AGUILAR 4 . RECTA DE REGRESIÓN: Yp = a + bX Yp = 18.PRODUCCIÓN PRONÓSTICOS Usando las siguientes funciones de Excel se puede calcular directamente los promedios de las variables X e Y así como los valores de los parámetros a y b: a b Media X Media Y     =INTERSECCION.94736842 + 1.184210526.84210526 = 12 Ahora. se espera que las ventas aumenten en 1.94736842 = 19. significa que por cada aumento de una llamada a clientes. siendo su signo igual al del parámetro “b”. respectivamente. el efecto en el número de computadoras vendidas es 10*b. b = 1. Una correlación cercana a +1 indica una fuerte relación lineal positiva entre X e Y. COEFICIENTE DE CORRELACIÓN (r) Indica la correlación entre las variables dependiente e independiente. Su valor está comprendido entre -1 < r < +1.X1:Xn) =PENDIENTE(Y1:Yn.

PRODUCCIÓN PRONÓSTICOS Y = media de Y = ∑Y / n = 450 / 10 = 45 Para el ejemplo que venimos desarrollando.75901 Si se conoce el valor del coeficiente de determinación.DE. el valor del coeficiente de correlación está muy cercano a +1 indicando que la asociación entre las variables es fuerte.94736842450+1.CORREL(Y1:Yn.75901 indica una asociación fuerte entre el número de llamadas a clientes y el número de computadoras vendidas. aquí no se ha demostrado la causa y el efecto. ¿Puede ser que en realidad la correlación en la población sea 0? Esto significaría que la correlación de +0.76 es positivo lo cual nos indica que existe una relación directa entre la cantidad de llamadas a clientes y la ventas de computadoras. PRUEBA DE LA IMPORTANCIA DEL COEFICIENTE DE CORRELACIÓN El coeficiente de correlación de +0. es decir: r=r2 En Excel el valor de =COEF. La pregunta que nos planeamos ahora es: ¿puede haber una correlación cero en la población de la cual se seleccionó la muestra? En otras palabras ¿proviene el valor del coeficiente de correlación de una población de observaciones pareadas con correlación cero? Para responder tal pregunta realizaremos una prueba de hipótesis de la siguiente manera: Formulación de las hipótesis nula y alternativa: H0:ρ=0 (la correlación en la población es cero) H1:ρ≠0 (la correlación en la población es diferente de cero) ANIANO URTECHO AGUILAR 5 . sólo que hay una relación entre las dos variables. en consecuencia el coeficiente de correlación también es positivo y su valor según las fórmulas anteriores es el siguiente: r=XY-nXYX2-nX2Y2-nY2=10800-1022455600-1022222100-10452=0.75901 r=aY+bXY-nY2Y2-nY2= 18. Sin embargo. Sin embargo. La población en este ejemplo sería toda la fuerza de ventas de la empresa. entonces el coeficiente de correlación se obtiene extrayendo la raíz cuadrada. la muestra contiene solamente 10 vendedores.75901 = +0. “b” es positivo. Asimismo. r 2.X1:Xn) r se calcula con la función: El valor de r = +0.75901 se debió a la casualidad. Se podría motivar al personal de ventas para hacer llamadas adicionales.18421052610800-104522210010452=0. debido a que el número de llamadas a clientes se relaciona con el número de computadoras vendidas. ¿más llamadas a clientes realmente generarán más ventas’ No.

54 3.025 0.82 6.99 t 0.25 31.71 3.00 2. con n-2 grados de libertad t=0.14 3.78 2.66 9.84 4.759012=3.36 3.31 se obtiene directamente de la tabla estadística de la distribución Student o mediante la siguiente función de Región de rechazo se rechaza H 0 no (hay correlación) (no hay correlación en la población) 0.50 3.18 2.60 4.31.90 2.30 3.82 12.57 2.31 2.975 63.31 y -2. la prueba es de dos colas.96 4. Además como se trata de una muestra pequeña utilizaremos el estadístico t de la distribución Student.05 (95% de confianza) : 2.75 3.29730276=3.36 2.95 -2.31 Tabla de distribución Student 99% 98% 95% gl 1 2 3 4 5 6 7 8 9 t 0.31 0 +2.PRODUCCIÓN PRONÓSTICOS Por la forma en que se ha formulado la hipótesis alternativa. El valor crítico de 2.025 0. no se rechaza la hipótesis nula.7590110-21-0.92 5.995 t 0.31 Con un nivel de significancia de 0.26 Cálculo del valor de t: t=rn-21-r2.03 3. Prueba t para el coeficiente de correlación: Nivel de significancia Valor crítico : 0.36 3.71 4. la regla de decisión en este caso indica que si el valor calculado de t se encuentra en el área entre +2.45 2.30 ANIANO URTECHO AGUILAR 6 .05.

Por tanto.58 = 58%. PRONÓSTICO (Yp) ANIANO URTECHO AGUILAR 7 .94736842450+1.57610 = 0.31. se puede usar esta relación para fines de pronóstico.X1:Xn) El valor de r2 = 0. es decir. COEFICIENTE DE DETERMINACIÓN (r2) Permite establecer qué porcentaje de la variabilidad de la variable dependiente se puede explicar por la variabilidad de la variable independiente. está fuera de la región de aceptación de la hipótesis nula. Esto significa que la correlación en la.PRODUCCIÓN PRONÓSTICOS Decisión: El valor calculado de t = 3.57610 En Excel el valor de r2 se calcula mediante la siguiente función: =COEFICIENTE. significa que de la variabilidad en las ventas de computadoras: ➢ ➢ El 58% se puede explicar por la variabilidad en la cantidad de llamadas a clientes.R2(Y1:Yn. esto indica que hay una correlación entre el número de llamadas a clientes y el número de computadoras vendidas en la población de vendedores de la empresa.57610 r2=aY+bXY-nY2Y2-nY2=18. población no es cero. por tanto se rechaza la hipótesis nula al nivel de significación de 0. Desde un punto de vista práctico. Podemos concluir que la cantidad de llamadas a clientes explican aproximadamente el 58% de la cantidad de computadoras vendidas.30 > valor crítico = 2. Esta porción en la variabilidad de las ventas se debe explicar mediante factores que aún no han sido identificados en este análisis de correlación (por ejemplo: publicidad).18421052610800-1045222100-10452 r2=0.05. Se calcula mediante cualquiera de las siguientes fórmulas: r2=XY-nXY2X2-nX2Y2-nY2 r2=aY+bXY-nY2Y2-nY2 Donde: Y = media de Y = ∑Y / n = 450 / 10 = 45 X = media de X = ∑X / n = 220 / 10 = 22 Para nuestro ejemplo ¿qué porcentaje de la variación en las ventas de computadoras se puede explicar por la variabilidad en las llamadas a clientes? r2=XY-nXY2X2-nX2Y2-nY2=10800-10224525600-1022222100-10452=0. El 42% no se puede explicar por la variabilidad en la cantidad de llamadas a clientes.

552632 = 49.94736842 + 1.PRODUCCIÓN PRONÓSTICOS Yp = 18. En Excel el pronóstico se determina con la siguiente función: =PRONOSTICO(X. porque la cantidad de llamadas a clientes tiene un rango de variación de 10 a 40. X1:Xn son los rangos de celdas que contienen los valores Y y X respectivamente.31579 42.62327 ANIANO URTECHO AGUILAR 8 . cantidad determinada reemplazando X = 25 en la ecuación de la recta y calculando el valor correspondiente de Y.63158 -6.88920 6. utilizaremos la recta de regresión lineal para pronosticar las ventas de computadoras. por el contrario. esto es: Yp = 18.X1:Xn) Donde X es el valor de la variable independiente para la cual se desea estimar el valor de la variable dependiente Y. Entonces. para 25 llamadas a clientes esperaríamos una venta aproximada de 49 computadoras.31579 -2. ERROR ESTANDAR DE LA ESTIMACION (Syx) Mide la cantidad estándar en la cual los valores reales Y difieren de los valores pronosticados Yp.47368 30.52632 -0. de modo que hacer la estimación sería una extrapolación más allá de dicho rango.184210526X Considerando que existe una fuerte correlación positiva entre las variables.78947 (Yi -Yp)2 159. Si quisiéramos estimar las ventas para un representante de ventas que hace 100 llamadas a clientes ¿sería apropiado hacer la estimación con la recta de regresión establecida anteriormente? No.78947 Yi -Yp -12.54017 0. Se requiere entonces reunir información de ventas para cantidades de llamadas a clientes que incluyan la cantidad de 100 y determinar una nueva recta de regresión.55679 39.94736842 + 1. Por ejemplo. Y1:Yn. cuán inexacta podría ser la estimación. Se calcula mediante cualquiera de las siguientes fórmulas: Syx=Y-Yp2n-2 o también: Syx=Y2-aY-bXYn-2 Hoja de cálculo para aplicar las fórmulas: i 1 2 3 4 5 Xi 20 40 20 30 10 Yi 30 60 40 60 30 X2 400 1600 400 900 100 Y2 900 3600 1600 3600 900 XY 600 2400 800 1800 300 Yp 42.184210526(25) = 48.63158 5. indica que tan preciso es el pronóstico de Y con base en X o.92521 30. es decir es una medida de la dispersión de los valores observados con respecto a la línea de regresión.63158 66.Y1:Yn.63158 54.

06648 784.94736842+1.21053 -2. En consecuencia. El segundo tipo se conoce como intervalo de pronóstico e informa acerca del valor individual de Y para un valor particular de X.52632 0.XY(Y1:Yn.184210526(20) = 42.PRODUCCIÓN PRONÓSTICOS 6 7 8 9 10 Σ 10 20 20 20 30 220 40 40 50 30 70 450 100 400 400 400 900 5600 1600 1600 2500 900 4900 22100 400 800 1000 600 2100 10800 30.78947 42.184210526X. lo cual indica que las desviaciones positivas (por encima de la línea de regresión) se compensan con las desviaciones negativas (por debajo de la línea de regresión). la venta real rara vez coincidirá con esta estimación puntual o determinística.94736842450-1.00000 84. por ejemplo para X = 20 el valor de Yp = 18.83380 6. denominado intervalo de confianza. se requiere efectuar un pronóstico estocástico o probabilístico dentro del siguiente intervalo: Yp± k*Sp Donde: Yp = valor estimado con la recta de regresión.55.TIPICO.63158.63158 7.21053 Los valores de Yp han sido obtenidos con la recta de regresión Yp = 18. con respecto a la recta de regresión.63158 54.90082 En Excel el valor de Syx se calcula mediante la siguiente función: =ERROR.29363 159.92521 54.9 unidades en promedio.184210526(10800)n-2=9. presenta el valor medio de Y para un valor dado de X.94736842+1.55679 241. Se observa en el cuadro anterior que la suma de las desviaciones es igual a cero. El error estándar de la estimación según las fórmulas anteriores es el siguiente: Syx=Y-Yp2n-2= 784. para nuestro ejemplo Yp = 48. El primero.47368 450.63158 15.63158 42. sin embargo.2105310-2=9. ESTIMACIONES DE INTERVALO Se desea proporcionar estimaciones de intervalo de dos tipos. k = coeficiente de confianza k = z. cuando el tamaño de la muestra es mayor de 30 (n>30) y su valor se obtiene de la tabla de la Distribución Normal para un determinado nivel de ANIANO URTECHO AGUILAR 9 .00000 9.63158 42.36842 -12.90082 Syx=Y2-aY-bXYn-2=22100-18.X1:Xn) Interpretación: Los valores observados de Y se encuentran dispersos en ± 9. Anteriormente calculamos que para X = 25 llamadas a clientes se esperaba una venta de Yp =49 computadoras.

36 3. Para el ejemplo que venimos desarrollando vamos a considerar un nivel de confianza de 95%.78 4.73% 3 k = t.30 5.92 6.975 63.99 t 5 t 0.90082*110+25-2225600-10222=3.36 2. Entonces como n = 10 < 30.PRODUCCIÓN PRONÓSTICOS confianza o probabilidad.45 2. usaremos la tabla de la Distribución Student para determinar el valor de “t” con n – 2 = 10 – 2 = 8gl grados de libertad.54 3.96 4.05.36 3. cuando el tamaño de la muestra de datos es menor o igual a 30 (n ≤ 30) y su valor se obtiene de la tabla estadística de la Distribución Student cuando se conoce el nivel de confianza o probabilidad y los grados de libertad = n – 2.31 2.71 9.INV(0.60 3.90 2.31 El valor de “t” también puede obtenerse directamente de la tabla estadística de la Distribución Student.84 4.311 Error estándar del pronóstico para un valor individual de Y Sp=Syx*1+1n+X-X2X2-nX2 ANIANO URTECHO AGUILAR 10 .57 2. Los principales valore de “z” usados para fines de pronósticos son los siguientes: Nivel de Confianza Valor de z 90% 1.50 3.6 31.18 4.75 2.8 6 2 12.25 3.71 3. En EXCEL el valor de “t” puede obtenerse con la siguiente función: =DISTR.96 95.03 3.99 t 0. Se calcula mediante las siguientes fórmulas: Error estándar del pronóstico para la media Y Sp=Syx*1n+X-X2X2-nX2 Para nuestro ejemplo: Sp=Syx*1n+X-X2X2-nX2=9.14 3.64 95% 1.26 gl 1 2 3 4 5 6 7 8 9 Sp = Error estándar del pronóstico que mide la variabilidad de los valores de predicción Yp alrededor del valor promedio de Y o de un valor individual de Y para un valor dado de X.5% 2 99% 2.82 2. según se indica: 99% 98% 95% 0.00 2.T.58 99.8) = 2.

tSp 18. de donde 41≤μyx≤56.31*10.63 Máxima Yp + tSp 66.90082*110+25-2225600-10222=48.31*3.55-2. para un representante de ventas que realice 25 llamadas a clientes.31*9.44≤μyx≤48. esto es: Yp±k*Syx*1+1n+X-X2X2-nX2 El intervalo de pronóstico del 95%.55±24.63 66.90082*1+110+25-2225600-10222=48.63 ANIANO URTECHO AGUILAR 11 .63 Mínima Yp .31*3.12 Expresándolo en intervalo: 48. con un 95% de confianza. para todos los representantes de ventas que realicen 25 llamadas a clientes. es decir. esto es: Yp±k*Syx*1n+X-X2X2-nX2 Para nuestro ejemplo: 48.55±7.11 18. PRONÓSTICO MEDIANTE HOJA DE CÁLCULO Si nuestro objetivo solamente es obtener el intervalo de pronóstico para valores individuales de “Y” con un determinado nivel de confianza.31*10.55±2. se espera una venta entre 41 y 56 computadoras.90082*1+110+25-2225600-10222=10. A continuación se presenta la hoja de cálculo con el intervalo de pronóstico de 95% de confianza para la muestra de los 10 vendedores.65 En forma de intervalo: 48. 1 2 3 4 5 6 B C D DATOS Llamadas Computadora s vendidas Vendedores a clientes X2 X Y 1 20 30 400 2 40 60 1600 3 20 40 400 A E F G DEMANDA ESPERADA Promedio Yp 42.55+2.55-2.63 94.31*9. con un 95% de confianza.55+2.44.55±2.31. se espera una venta de computadoras comprendida entre 24 y 73 unidades.44 Intervalo de confianza para la media de “Y” Yp± k*Sp equivalente a: Yp-k*Sp≤μyx≤Yp+k*Sp.31≤μyx≤48.32 42. Intervalo de pronóstico para un valor individual de “Y” Yp± k*Sp equivalente a: Yp-k*Sp≤μyx≤Yp+k*Sp. es decir. para un representante de ventas que realiza 25 llamadas a clientes es: 48. de donde 24≤μyx≤73.52 66. podemos usar una hoja de cálculo con funciones de Excel.63 38.PRODUCCIÓN PRONÓSTICOS Para nuestro ejemplo: Sp=Syx*1+1n+X-X2X2-nX2=9.

TIPICO.DISTR.63 42.900824 8 2.DISTR.3060041 900 100 100 400 400 400 900 5600 29.72 66.72 56.63 54.63 18.79 30.63 4.T.5 +C16/2).NORM.63 54.$B$4:$B$13) =F4-$C$19*$C$17*RAIZ(1+1/CONTAR($F$4:$F$13) +POTENCIA(B4-PROMEDIO($B$4:$B$13). La empresa Paraíso SAC analiza la relación entre el consumo de energía (en miles de kwh) y el número de habitaciones en una residencia privada unifamiliar.2))) 95% =ERROR.32 56.63 29.2)/($D$14 -CONTAR($F$4:$F$13)*POTENCIA(PROMEDIO($B$4:$B$13).79 42.47 79.B4:B13) =CONTAR(F4:F13)-2 =SI(CONTAR(F4:F13)>30.C18)) F5:F13 E5:E13 G5:G13 D5:D13 Cópiese a EJERCICIOS 1.86 4.2)/($D$14 -CONTAR($F$4:$F$13)*POTENCIA(PROMEDIO($B$4:$B$13).XY(C4:C13.$C$4:$C$13.86 18.2) =SUMA(D4:D13) =PRONOSTICO(B4.2))) =F4+$C$19*$C$17*RAIZ(1+1/CONTAR($F$4:$F$13) +POTENCIA(B4-PROMEDIO($B$4:$B$13).63 66.INV(0.INV(1-C16.PRODUCCIÓN PRONÓSTICOS 7 8 9 10 11 12 13 14 15 16 17 18 19 4 5 6 7 8 9 10 30 10 10 20 20 20 30 60 30 40 40 50 30 70 95% 9.63 18.32 Nivel confianza = Syx = Grados libertad = t= Para obtener los resultados mostrados.47 30.63 42. se requiere ingresar los datos y fórmulas siguientes: Celda A1:C13 D4 D14 F4 E4 G4 C16 C17 C18 C19 Fórmula Datos =POTENCIA(B4. En una muestra aleatoria de 10 casas se obtuvo la siguiente información: Número habitaciones 12 9 14 Consumo energía (miles kwh) 9 7 10 ANIANO URTECHO AGUILAR 12 .ESTAND.63 79.63 66.

000.6 1. A continuación se indican las ventas y ganancias.0 12.2 6.4 1.) 4. supervisora de mantenimiento.6 69. Suponiendo que existe una relación lineal. Determine la ecuación de regresión e interprete los valores de los parámetros a y b. Existe interés en los resultados actuales de las ventas y ganancias de las empresas.2 71.8 17.3 8. 1.8 Trace un diagrama de dispersión ¿qué relación existe entre las variables? Calcule el coeficiente de determinación e interprete el resultado.9 19. Por ello.7 3.A. le gustaría determinar si existe una relación entre el costo anual de mantenimiento de un autobús y su antigüedad. Calcule el coeficiente de correlación e interprete el resultado.6 46.6 51. Anticipe el consumo de energía para una casa de 6 habitaciones Un reciente artículo en una revista de negocios presentó una lista de las mejores empresas pequeñas.2 Ganancias (miles S/. Empresa A B C D E F G H I J K L a) b) c) d) e) Ventas (miles S/.9 4.2 28. determine los parámetros “a” y “b” de la recta de regresión e interprete su significado.0 6. 5 8 6 8 10 4 7 Elabore el diagrama de dispersión. en miles de nuevos soles.1 2. Estime las ganancias de una empresa pequeña con ventas de S/ 50.C.7 58.5 11. reúne los siguientes datos: AUTO BÚS COSTO DE ANTIGÜE MANTENIMI DAD ENTO (AÑOS) ANIANO URTECHO AGUILAR 13 .6 18.2 18.5 8. Si hay relación MERCA piensa que puede pronosticar mejor el presupuesto anual de mantenimiento de autobuses.6 4.) 89. Se seleccionó una muestra aleatoria de doce empresas.PRODUCCIÓN PRONÓSTICOS 6 10 8 10 10 5 7 a) b) c) 1. A MERCA S.

¿cuál es el incremento mensual en el costo de mantenimiento por cada año de antigüedad de un autobús? 2. le contrata a Ud. Nuevo Milenio S. para predecir el número de permisos de construcción que se emitirán cada mes. Ahora.PRODUCCIÓN PRONÓSTICOS MENSUAL (US$) 1 2 3 4 5 a) b) c) d) e) 70 60 40 60 90 8 5 3 9 10 ¿Qué porcentaje de la varianza no se puede explicar con la recta de regresión? Calcula el costo mensual de mantenimiento para un autobús con 20 años de antigüedad. El Sr. ¿Deberá usar MERCA el análisis de regresión para pronosticar el presupuesto mensual de mantenimiento de autobuses? ¿Por qué? Si se usa el análisis de regresión para formular dicho presupuesto.5 7 509 10.6 3 289 13. estima el costo mensual de mantenimiento para un autobús que tiene 5 años de antigüedad. Como analista de medio tiempo.) ANIANO URTECHO AGUILAR 14 .9 8 987 9. Determine la ecuación de regresión de la muestra.2 Grafique los datos en un diagrama de dispersión.5 4 892 9. Redacte un memo explicando los resultados de su análisis. La empresa quedó complacida cuando usted determinó que existe una relación positiva entre el número de permisos de construcción y la cantidad de trabajo disponible en la empresa. Con un 95% de confianza. Al incrementarse la tasa de interés en 1% ¿cuál es la disminución promedio en el número de permisos de construcción? Calcule e interprete el coeficiente de determinación. 1. Los datos obtenidos se presentan en la siguiente tabla: Venta Sema s Preci na (latas o ) (S/. Aguilar observa el precio y el volumen de ventas de latas de leche de 10 semanas elegidas en forma aleatoria.A. Usted reúne una muestra aleatoria de nueve meses de datos: Mes Permisos construcción Tasa Interés % a) b) c) d) e) 1 796 10.7 5 343 10.8 6 888 9. se pregunta si es posible emplear el conocimiento de las tasas de interés sobre primeras hipotecas.2 9 187 14.2 2 494 12.C.

5 1.7 1.4 1. 30. 60.PRODUCCIÓN PRONÓSTICOS 1 2 3 4 5 6 7 8 9 10 a) b) c) d) 1.6 1.3 2.0 1. 40. 10 6 5 12 10 15 5 12 17 20 1.8 y de S/. determine los coeficientes de regresión a y b. 70 y 80) y los resultados se muestran a continuación: Tamaño de lote 20 20 30 30 40 40 50 50 60 60 70 70 80 80 a) b) c) d) Horastrabajador 50 55 73 67 87 95 108 112 128 135 148 160 170 162 Elabore un diagrama de dispersión ¿qué relación existe entre las variables? Suponiendo que existe una relación lineal. Qué cantidad de horas-trabajador no se ven afectadas por la variación en el tamaño del lote de producción.3 con 95% de confianza.1.6 1. Pronostique las ventas para un precio de S/. Se seleccionó una muestra aleatoria de 14 corridas de producción (dos por cada tamaño de lote: 20.1 Elaborar un diagrama de dispersión ¿Qué tipo de relación existe entre las ventas y el precio? Establezca la ecuación de pronóstico. 50. Si el tamaño del lote se incrementa en 2 unidades ¿cuál es el efecto en las horas-trabajador? 15 ANIANO URTECHO AGUILAR .0 1. ¿Qué porcentaje de las ventas se puede explicar mediante la variabilidad en el precio? Al gerente de una empresa que fabrica partes le gustaría desarrollar un modelo para estimar el número de horas-trabajador requeridas para las corridas de producción de lotes de tamaño variable.2 1.

Establezca una estimación de intervalo de confianza del 90% de las horas-trabajador promedio para todas las corridas de producción con un tamaño de lote de 45. es decir X = 0.) de alimentos para mascotas en estantes de 8 m2 de espacio.2 1. Se selecciona una muestra aleatoria de 12 supermercados de igual tamaño y los resultados se presentan a continuación: Tienda 1 2 3 4 5 6 7 8 9 10 11 12 a) b) c) d) e) f) g) h) i) Espacio estante (m2) 5 5 5 10 10 10 15 15 15 20 20 20 Venta semanal (miles S/.6 2. estimar la venta e interpretar el resultado.3 2.4 2.4 1. Calcule el coeficiente de correlación e interprete su significado. Interprete el significado de a y b.1 Elabore un diagrama de dispersión ¡qué relación existe entre las variables? Suponiendo que existe una relación lineal. ¿Sería apropiado estimar el número promedio de horas-trabajador requerido para una corrida de producción con un tamaño de lote de 100? Explique su respuesta. Calcule el coeficiente de determinación e interprete su significado.PRODUCCIÓN PRONÓSTICOS e) f) g) h) i) j) Estime el número promedio de horas-trabajador requerido para una corrida de producción con tamaño de lote de 45. Por cada m2 de incremento en el espacio del estante ¿cuál es el efecto en las ventas? Estime las ventas semanales promedio (en miles S/. 1. Si no se dispone de ningún espacio en estantes para alimentos de mascotas. Calcule el error estándar de la estimación e interprete el resultado.9 2. Al gerente de Comercialización de una cadena grande se supermercados le gustaría determinar el efecto del espacio en estantes sobre las ventas de comida para mascotas.6 2. Calcule el coeficiente de correlación e interprete el resultado.8 2.) 1.7 2.9 3. ANIANO URTECHO AGUILAR 16 . Calcule el coeficiente de determinación e interprete el resultado. calcule los coeficientes de regresión a y b.6 2. Establezca un intervalo de confianza del 90% de las horastrabajador para una sola corrida de producción con un tamaño de lote de 45.

c2) 2500 km. Con un 95% de confianza ¿cuál es la venta estimada para una sola tienda que disponga de 8m2 de espacio en estantes para alimentos de mascotas? 1.5 9 3 10 5 215 1070 550 1350 325 670 1215 a) b) c) d) e) f) g) h) 2.PRODUCCIÓN PRONÓSTICOS j) k) Establezca una estimación de intervalo del 95% de las ventas semanales promedio para todas las tiendas que poseen 8m2 de espacio en estantes para alimento de mascotas. Al incrementarse la distancia en 100 Km.5 8 1. Elabora un diagrama de dispersión ¿Qué tipo de relación existe entre el tiempo de entrega y la distancia? Establece la recta de regresión.3 5. Estima el tiempo de entrega desde el momento en que el embarque está disponible para enviarlo en un camión que recorrerá c1) 1.5 825 2 1 3 4 4 2 5 1 480 6 3 920 7 4.. Un analista extrae una muestra aleatoria de 10 embarques recientes en camión que ha realizado una empresa y registra la distancia en Km.5 8.8 7. ¿Qué porcentaje de la varianza en el tiempo de entrega es estadísticamente explicable por la distancia del recorrido en camión? Calcula el coeficiente de correlación e interpreta el resultado Presenta en un cuadro los intervalos de pronóstico del 95% para la muestra de 10 observaciones. El Gobierno Regional de Arequipa estudia la relación entre el número de licitadores en un proyecto para una carretera y la licitación más alta (menor costo) para el proyecto.000 Km.7 7.5 17 ANIANO URTECHO AGUILAR .1 8. tal como se indica: Camión muestreado Tiempo entrega (días) Distancia (Km..) 1 3. Proyecto 1 2 3 4 5 6 7 8 Número de licitadores 9 9 3 10 5 10 7 11 Oferta ganadora (millones de soles) 5.0 9.7 5. De interés particular resulta saber si el número de licitadores aumenta o disminuye la cantidad de la oferta ganadora. así como el tiempo de entrega con una aproximación de medio día desde el momento en que el embarque estuvo disponible para recogerlo. ¿cuál es el efecto en el tiempo de entrega? Determina el tiempo de entrega mínimo.

6 8. Interprete el valor. Interprete su valor. Para qué número de licitadores no habrá oferta ganadora? En la siguiente tabla se muestra el número de automóviles vendidos en Lima durante los doce últimos años y el porcentaje de automóviles importados por la compañía Alfa SAC.8 9. Se construye una nueva entrada en la carretera.5 108 43.8 ¿El número de automóviles vendidos se relaciona de forma directa o indirecta con el porcentaje del mercado de la empresa ALFA? Trace un diagrama de dispersión para apoyar su conclusión.2 78 50.6 171 27.8 Determine la ecuación de regresión.0 8.0 155 31. Determine el coeficiente de correlación entre las dos variables.4 73 44.1 115 44.PRODUCCIÓN PRONÓSTICOS 9 10 11 12 13 14 15 a) b) c) d) e) f) 3. Determine un intervalo de predicción de 95% para la oferta ganadora.0 103 49.0 154 40. ¿Es razonable concluir que hay una asociación negativa entre ambas variables? Utilice el nivel de significancia de 0.1 135 36. ¿Cuánta variación en el mercado de ALFA se explica por la variación en los automóviles vendidos? ANIANO URTECHO AGUILAR 18 . Hay siete licitadores en el proyecto. Año 1 2 3 4 5 6 7 8 9 10 11 12 a) b) c) d) Automóviles Porcentaje vendidos de Alfa 60 50.4 8.3 8.7 174 28. Para qué oferta ganadora no se presentarán licitadores.9 101 39. ¿Más licitadores tienden a aumentar o a disminuir la cantidad de la oferta ganadora? Estime la cantidad de la oferta ganadora si hubiera habido siete licitadores.1 7. 6 6 4 7 7 7 6 10.01. Interprete la ecuación. Determine el coeficiente de determinación.

Sign up to vote on this title
UsefulNot useful