Métodos causales: Regresión lineal simple y

método de descomposición de factores

 Temario

• Tema 1: Regresión lineal simple

• Tema 2: Método de descomposición de factores
 1

Regresión Lineal Simple

Regresión lineal

• Es un modelo de pronóstico que relaciona una

variable independiente en el pronóstico de una
variable dependiente.
Línea de Regresión

La línea que mejor se ajusta a un conjunto de datos

X-Y es aquella que minimiza la suma de las
distancias al cuadrado de los puntos de la línea,
medidas en dirección vertical o hacia Y.
 Ejemplo

Desarrollar el ejemplo indicado.

Línea de Regresión

Yˆ  bo  bX
n XY 
 X Y
b
n X    X 
2 2

b 
O
 Y

b X
n n

r
n  XY    X   Y 
 n X 2   X    n  Y    Y 
 
2 2 2
 
  
Error Estándar de la Estimación

El error estándar de la estimación mide la cantidad

estándar en la cual los valores reales de Y difieren
de los valores estimados de Y
Error Estándar de la Estimación

S x. y 
Y 2
 bo  Y  b XY
n2
Error Estándar de Pronóstico

El error estándar de pronóstico mide la variabilidad

de los valores de predicción de Y alrededor del
verdadero valor de Y para un valor dado de X
 Error Estándar de Pronóstico

1 X  X
2

S f  S x. y 1 
n  X  X  2
Coeficiente de Determinación

El coeficiente de dterminación mide el porcentaje de

variabilidad en Y que puede explicarse a través
del conocimiento de la variable independiente X.
Coeficiente de Determinación

bo  Y  b XY  nY
2

r 
2

Y
2
2
 nY
 2

Series de Tiempo con Tendencia y

Estacionalidad
Demanda

tendencia

ciclo

estacionalidad

Tiempo
 Ejemplo
Desarrollar el ejemplo indicado
Tratamiento de la Estacionalidad
Paso 1: Identificar el índice de estacionalidad

Yi
 DPA
IEi  i
n
Tratamiento de la Estacionalidad
Paso 2: Desestacionalizar la demanda real

Yreal
Ydesestac. 
IEi
 Tratamiento de la
Estacionalidad
Paso 3: Calculo de la línea de tendencia para
demanda desestacionalizada

Yˆdesestac.  bo  bX
n  XYdesestc. 
 X Y
b desestc.

n X    X  2 2

b 
O
 Y

b X
desestc.

n n

r
n  XYdesestc.    X   Y  desestc.

 n X   X   n Y  Y  
2 2 2 2
  desestc. desestc. 
  
Tratamiento de la Estacionalidad
Paso 4: Estimar demanda futura desestacionalizada

Yˆdesestac.  bo  bX
Tratamiento de la
Estacionalidad
Paso 5: Ajustar estimaciones – estacionalizar
pronóstico

Yˆreal  Yˆdesestc.  IEi 

 Reflexiona un momento

El método de pronóstico empleado deberá estar

siempre en función de la conformación de los
datos que se tienen.
No olvides que…
Que para aplicar los métodos causales se debe
expresar la variable a pronosticar en función de
otras variables que la cusan.
 Conclusiones
1. Métodos dependen de objetivos del
pronóstico.
2. Series de tiempo corto plazo.
3. Métodos causales largo plazo
4. Método depende del tipo de datos
Próxima clase