Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El análisis de regresión es pertinente cuando se evidencia una tendencia en los datos históricos
del pronóstico. ¿Cómo? Dibuja los datos de meses anteriores, los de la demanda real. Si lo
estás haciendo en Excel 2010 o superior, da click derecho sobre la serie de datos graficados y
luego click en agregar línea de tendencia. Si no, simplemente analiza la tendencia de los datos,
¿es creciente o decreciente?
¿Cómo es la relación entre la demanda y el tiempo? Para responder esta pregunta, haremos
uso del coeficiente de correlación.
Este coeficiente, te permitirá entender qué tanta correlación existe entre la demanda y el
tiempo.
La b es la inclinación de la recta.
La a es la secante o la altura en la que la recta corta al eje y.
La X es nuestra variable independiente.
La Y es nuestra variable dependiente, nuestro pronóstico calculado para un periodo.
Las ventas de la empresa IngE durante los últimos 10 trimestres son las siguientes:
Conocidas las ecuaciones y el papel de las variables, vamos a calcular el pronóstico con
regresión lineal:
En la siguiente se encuentran los cálculos realizados para los 12 trimestres según lo requerido
por las ecuaciones:
Con los valores de la última fila de la tabla, podemos calcular a y b, con los cuales logramos
calcular los valores de la última columna (Y) que es la recta que más se ajusta a la demanda y.
Veamos entonces:
Fíjate que el valor de «b» varía de 63,64 a 63,657 siendo este último el resultado si se toman
todos los decimales de las variables que participan en su calculo. Para tener resultados más
fiables usamos el valor de «b» calculado con todos los decimales, tal como lo aprecias cuando
hallamos «a». Fíjate además que pasa lo mismo con el valor calculado de «a» y el valor que se
obtiene cuando en la operación están todos los decimales.
Con esta aclaración, puedes ver cómo se realiza el pronóstico de producción del trimestre 13.
Procedemos igual para los demás trimestres.
Y=63,657(14)+72,894=964.09
Y=63,657(15)+72,894=1027.75
Cuando pronosticamos, siempre queremos saber qué tan exacto es el método que estamos
utilizando, igual que una medida de error de pronóstico.
Para eso hay diferentes medidas que nos dan el grado de error en un pronóstico.
Una medida apropiada para medir el error en regresión lineal es el error estándar de
estimación (Sy,x), que nos permite determinar la variabilidad en torno a la recta de regresión.
Con los datos obtenidos en nuestra tabla, reemplazamos en la formula y obtenemos:
Otro análisis que si o si debemos realizar cuando trabajamos con un análisis de regresión, no
importa si es con un fin de pronóstico, es el cálculo del coeficiente de correlación.
El resultado de este ejercicio es r=0,975. Esto indica que la correlación es muy fuerte y positiva
porque está cercana a 1.
En otras palabras, nos conviene seguir usando este método de pronóstico para futuros
períodos.
La siguiente es una plantilla en excel para pronosticar demanda a través del método de análisis
de regresión. Escribe únicamente sobre las celdas de color blanco: el periodo (numérico) y la
demanda de cada uno. Las celdas de color gris son de cálculo automático.