Documente Academic
Documente Profesional
Documente Cultură
Diseño y Gestión de
Plantas Industriales
Administración de la Demanda
Pronósticos – Métodos Causales
Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016
Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial
Objetivos de la Sesión
Análisis de
Regresión y
Correlación
Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016
Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial
𝑦 =a + bx
Donde:
y = Variable Dependiente
Valor calculado cuando “x” tome un valor.
a = Valor de la Ordenada (cuando “x” es igual a cero)
b = Pendiente de la Recta de Regresión (inclinación)
x = Variable Independiente (en este caso el tiempo)
𝑥𝑦 − 𝑛𝑥𝑦 𝑎 = 𝑦 − 𝑏𝑥
𝑏=
𝑥2 − 𝑛 𝑥2
Donde:
n = Número de datos u observaciones
𝑥 = Media de los valores x
𝑦 = Media de los valores y
x = Variable Independiente (en este caso el tiempo)
𝑦 − 𝑦𝑐 2 𝑦2 − 𝑎 𝑦 − 𝑏 𝑥𝑦
𝑆𝑦,𝑥 = 𝑆𝑦,𝑥 =
𝑛−2 𝑛−2
Donde:
y = valor de y para cada dato
𝑦𝑐 = valor de la variable dependiente, calculado a
partir de la ecuación de regresión
n = número de datos
Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016
Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial
Coeficiente de Correlación
Medida que expresa el grado o intensidad de relación (causa-
efecto) entre dos variables.
El coeficiente de correlación se identifica por “r” y es un valor
entre +1 y -1 (-1 ≤ r ≤ +1)
𝑛 𝑥𝑦 − 𝑥 𝑦
𝑟=
𝑛 𝑥2 − 𝑥 2 𝑛 𝑦2 − 𝑦 2
Coeficiente de Determinación
Aunque el coeficiente de correlación es la medida más
comúnmente utilizada para describir la relación entre dos
variables, el coeficiente de determinación, se utiliza para
expresar el porcentaje de variación de la variable dependiente
(y) que se explica mediante la ecuación de regresión.
80
70
60
50
40
30
20
10
0
0 1 2 3 4 5 6 7 8
𝑎 = 68,79 − (0,00246)(12.084,29) 𝑎 = 𝑦 − 𝑏𝑥
𝑎 = 39,063
𝑦2 − 𝑎 𝑦 − 𝑏 𝑥𝑦
𝑆𝑦,𝑥 =
𝑛−2
7 6.056.871,03 − (84.590)(481,51)
𝑟=
(7)(1.118.935.328) − 84.590 2 7 34.069,69 − 481,51 2