LABORATORIO x TALLER SIMULACIÓN CAMPO

GUÍA DE TALLER PRÁCTICO

MÓDULO: ADMINISTRACIÓN DE LA PRODUCCIÓN CICLO ACADÉMICO: SEPTIMO

CARRERA: INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN PARALELO: A

PERIODO ACADÉMICO: SEPTIEMBRE 2018 - FEBRERO 2019

UNIDAD DE ORGANIZACIÓN CURRICULAR: Profesional DOCENTE: Ing. John Reyes Mg.
TALLER: 01
INTEGRANTES: Almachi Evelin, Jara Andrea, Lagua Hugo, Miranda Dennis, Rodríguez Rebeca,
Supe Christian, Vásquez Jhonatan

TEMA: INTRODUCCIÓN A EXCEL Y MINITAB PARA DESARROLLAR PRONÒSTICOS

I. OBJETIVOS:

▪ Familiarizar a los estudiantes con el software de Excel y Minitab.

▪ Analizar los datos de los ejercicios y organizarlos, para facilitar la obtención de la tendencia y
pronóstico por medio de una hoja de cálculo de Excel y el software Minitab, mediante aplicación
de las formulas establecidas en el método de Regresión lineal Simple y Regresión Lineal Múltiple,
para determinar el pronóstico de demanda.

II. INSTRUCCIONES:

En el presente informe se da a conocer el ejercicio experimental y los resultados obtenidos de la práctica

de laboratorio hecha dentro del desarrollo del capítulo. El tema central de este trabajo es "
INTRODUCCIÓN A EXCEL Y MINITAB PARA DESAROLLAR EJERCICIOS DE REGRESION LINEAL SIMPLE Y
MÚLTIPLE MEDIANTE MINIMOS CUADRADOS Y GAUSS JORDAN”

III. LISTADO DE EQUIPOS , MATERIALES Y RECURSOS:

✓ PC
✓ Sitio de Internet
✓ Software Excel
✓ Minitab
IV. ACTIVIDADES POR DESARROLLAR:

✓ Leer el ejercicio planteado por el docente.

✓ Desarrollar en Excel utilizando la herramienta de datos y en Minitab: tablas, ecuaciones,
aplicando el Método de Regresión Lineal Simple por mínimos cuadrados y Regresión
Lineal Múltiple por Gauss Jordán para estimar el pronóstico de la demanda.
✓ Interpretar los resultados.

1
EJERCICIO N°1: REGRESION LINEAL SIMPLE
La demanda de audífonos para aparatos estereofónicos y reproductores de MP3 para trotadores permitió
a Nina Industries crecer casi 50% el año pasado. El número de trotadores sigue en aumento, así que Nina
espera que la demanda también se incremente, porque, hasta ahora, no se han promulgado leyes de
seguridad que impidan que los trotadores usen audífonos. La demanda de audífonos del año pasado fue
la siguiente:

Mes X Y
Enero 1 4200
Febrero 2 4300
Marzo 3 4000
Abril 4 4400
Mayo 5 5000
Junio 6 4700
Julio 7 5300
Agosto 8 4900
Septiembre 9 5400
Octubre 10 5700
Noviembre 11 6300
Diciembre 12 6000
Tabla 1: Resumen de datos del problema

✓ Con un análisis de regresión por mínimos cuadrados, ¿cuál estimaría que fuera la demanda
de cada mes del año entrante? Con una hoja de cálculo, siga el formato general de la
ilustración 15.5. Compare sus resultados con los obtenidos mediante la función de
pronóstico de la hoja de cálculo.
✓ Para tener alguna seguridad de cubrir la demanda, Nina decide usar tres errores estándar
por seguridad. ¿Cuántas unidades adicionales debe retener para alcanzar este nivel de
confianza?

2
EJERCICIO N°2: REGRESION LINEAL MULTIPLE

En el siguiente artículo desarrollaremos un pronóstico a través de una regresión lineal múltiple que en
términos generales se puede representar por 𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝛽2 + . . . . . . + 𝛽𝑘 𝑋𝑘 donde 𝑌 es
la variable dependiente, 𝑋1 , 𝑋2 , … . . , 𝑋𝑘 las variables independientes y 𝛽0 , 𝛽1 , 𝛽2 , … . , 𝛽𝑘 los coeficientes
de la regresión.
En particular consideraremos en el siguiente ejemplo una variable dependiente (Ganancias en Millones de
$) y 2 variables explicativas o independientes (Número de Vendedores y Precio del Producto $), es
decir, 𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝛽2 donde 𝑋1 es el N° de Vendedores y 𝑋2 el Precio del Producto ($). La
información se resume en la tabla a continuación:

Año Ganancia (millones de $) N° Vendedores Precio del producto ($)

1 1,2 24 0,95

2 1,5 25 0,93

3 2,0 25 0,92

4 3,5 28 0,90

5 4,1 27 0,87

6 5,6 29 0,86

Tabla 2. Resumen del problema.

3
 V. RESULTADOS OBTENIDOS:

EJERCICIO N°1: REGRESION LINEAL SIMPLE

Solución: Literal a)
Regresión por mínimos cuadrados
Tabla 1. Tabla de regresión lineal método de mínimos cuadrados
Meses Periodo (x) Ventas (y) xy x^2 y^2 Y
Enero 1 4200 4200 1 17640000 3958,97436
Febrero 2 4300 8600 4 18490000 4151,28205
Marzo 3 4000 12000 9 16000000 4343,58974
Abril 4 4400 17600 16 19360000 4535,89744
Mayo 5 5000 25000 25 25000000 4728,20513
Junio 6 4700 28200 36 22090000 4920,51282
Julio 7 5300 37100 49 28090000 5112,82051
Agosto 8 4900 39200 64 24010000 5305,12821
Septiembre 9 5400 48600 81 29160000 5497,4359
Octubre 10 5700 57000 100 32490000 5689,74359
Noviembre 11 6300 69300 121 39690000 5882,05128
Diciembre 12 6000 72000 144 36000000 6074,35897
Sumatoria 78 60200 418800 650 308020000 60200

Con las siguiente ecuación encontramos el coeficiente de “a” perteneciente a la ecuación de la recta
∑ 𝑥 2 ∗ ∑ 𝑦 − ∑ 𝑥 ∑ 𝑥𝑦
𝑎=
𝑛 ∑ 𝑥 2 − (∑ 𝑥)2

a = 6463600 = 3766,66667
1716

Así mismo encontramos el valor del coeficiente de “b” con

𝑛 ∑ 𝑥𝑦 ∗ ∑ 𝑦 − ∑ 𝑥 ∑ 𝑥𝑦
𝑏=
𝑛 ∑ 𝑥 2 − (∑ 𝑥)2
b= 330000 = 192,307692
1716
La ecuación es la siguiente:
𝑦 = 𝑎 + 𝑏𝑥
𝑦 = 3766,66 + 192.3𝑥

1
Para hallar los pronósticos de los meses siguientes remplazamos valores en la ecuación
Tabla 2. Pronóstico para los meses siguientes.
Periodo y
13
(x) 6266,6666
14 6458,9743
7
15 6651,2820
6
16 6843,5897
5
17 7035,8974
4
18 7228,2051
4
19 7420,5128
3
20 7612,8205
2
21 7805,1282
1
22 7997,4359
1
23 8189,7435
24 8382,0512
9
8
Mediante la función de pronósticos de Excel podemos verificar los resultado de una forma más rápida

Figura 1. Función pronostico en Excel

Se puede observar en la figura anterior que el valor obtenido por el método de mínimos cuadrados y la ecuación
coincide, al aplicar la función de pronósticos de excel en este, es para el mes de enero del siguiente año que da
como resultado de 6266,66 igual al valor calculado, arrastrando la función a los demás se obtiene los demás
resultados.
Periodo (x) y Función pronóstico de Excel
13 6266,66667 6266,66667
14 6458,97436 6458,97436
15 6651,28205 6651,28205
16 6843,58974 6843,58974
17 7035,89744 7035,89744
18 7228,20513 7228,20513
19 7420,51282 7420,51282
20 7612,82051 7612,82051
21 7805,12821 7805,12821
22 7997,4359 7997,4359
23 8189,74359 8189,74359
24 8382,05128 8382,05128

2
Así los todos resultados calculados coinciden tanto aplicando los mínimos cuadrados y la función de Excel
“pronosticas”
Solución Literal b)
Para tener alguna seguridad de cubrir la demanda, Nina decide usar tres errores estándar por seguridad. ¿Cuántas
unidades adicionales debe retener para alcanzar este nivel de confianza?

El error estándar del estimado, o la forma en que la recta se adapta a los datos, es:

Meses Periodo (x) Ventas (y) Y( Pronosticada) (y-Y)^2

Enero 1 4200 3958,974359 58093,35963
Febrero 2 4300 4151,282051 148,7179487
Marzo 3 4000 4343,589744 343,5897436
Abril 4 4400 4535,897436 135,8974359
Mayo 5 5000 4728,205128 271,7948718
Junio 6 4700 4920,512821 220,5128205
Julio 7 5300 5112,820513 187,1794872
Agosto 8 4900 5305,128205 405,1282051
Septiembre 9 5400 5497,435897 97,43589744
Octubre 10 5700 5689,74359 10,25641026
Noviembre 11 6300 5882,051282 417,9487179
Diciembre 12 6000 6074,358974 74,35897436
78 60200 60200 60406,18014

Aplicamos la fórmula siguiente.

∑𝑛𝑖=1(𝑦𝑖 − 𝑌𝑖 )2
𝑆𝑦𝑥 = √
𝑛−2

𝑆𝑥𝑦 = 22,436

Ahora calculamos el error para ciertos niveles de confianza

60200
𝑦̅ = = 5016.66
12

𝐶𝐼 = 𝑦̅ + 𝑧 ∗ 𝑆𝑥𝑦
𝐶𝐼95% = 5016.66 + 1.96 ∗ 22.43
𝐶𝐼95% = 5060.62
Se debe tener retenido un total de 43,96 unidades para tener un 95% de margen de error en las ventas.
3
RESULTADOS EXCEL

Mediante el uso del software Excel, se analizan los datos introducidos.

Datos que son proporcionados por el enunciado del ejercicio.

Datos del ejercicio:

Mes X Y
Enero 1 4200
Febrero 2 4300
Marzo 3 4000
Abril 4 4400
Mayo 5 5000
Junio 6 4700
Julio 7 5300
Agosto 8 4900
Septiembre 9 5400
Octubre 10 5700
Noviembre 11 6300
Diciembre 12 6000

7000 Demanda de Audifonos

6000
5000
4000
3000
2000
1000
y = 192,31x + 3766,7
0 R² = 0,879
0 2 4 6 8 10 12 14

Grafica 1.Linealización de Demanda

Para determinar la ecuación de la curva que caracteriza a la variable analizada, en este caso la demanda. Se hace
clic en uno de los puntos de la gráfica y se coloca una línea de tendencia lineal, ya que la regresión simple busca
linealizar la demanda que se obtuvo durante el año anterior.

Ecuación de la linealización de la curva de demanda

Y = a+bx

Y = 3766,7+ 192.31x

4
Análisis de datos mediante el método de regresión simple

Mediante el uso de la herramienta de Microsoft Excel, se realiza el análisis de datos, regresión

Se puede determinar de forma rápida y confiable la ecuación que ayudara a la determinación de pronósticos para
considerar la demanda de audífonos en los meses posteriores: Y= 3766,7+192,31x.

Con este análisis proporcionado por Excel, se puede comprobar la ecuación perteneciente a la linealización de la
curva de demanda, el valor del coeficiente de determinación es 0.88 lo que muestra un alto nivel de fiabilidad para
la predicción de resultados y así mismo se comprueba los resultados determinados por el método de mínimos
cuadrados.

5
RESULTADOS MINITAB
Con la aplicación del software MiniTab 17, se procede a realizar el análisis con todos los datos establecidos como
demanda de audífonos en este caso se los renombro con variables para identificarlos, Mes (x) y Demanda (y).

Datos del ejercicio:

X Y
Enero 1 4200
Febrero 2 4300
Marzo 3 4000
Abril 4 4400
Mayo 5 5000
Junio 6 4700
Julio 7 5300
Agosto 8 4900
Septiembre 9 5400
Octubre 10 5700
Noviembre 11 6300
Diciembre 12 6000

La regresión lineal simple nos permite buscar la linealizacion que se obtiene durante todo el año con respecto a
la demanda, cuya demanda determinara una curva. Para determinar la ecuación de la curva que caracteriza a la
variable analizada, análisis de datos, regresión, con la aplicación de la herramienta de MiniTab se realiza lo
siguiente:

Figura 2: Herramienta MiniTab para regresión lineal.

Lo cual nos permite el análisis de todos los datos planteados en el ejercicio de demanda de audífonos. Con este
análisis se puede determinar de forma rápida y confiable la ecuación que ayudara a la determinación de
pronósticos para considerar la demanda en los meses posteriores

ECUACIÓN DE LA CURVA DE DEMANDA

𝑦 = 𝑎 + 𝑏𝑥
𝑦 = 3767 + 192.3𝑥

6
 Figura 3: Gráfica de regresión lineal.

ANÁLISIS DE DATOS MEDIANTE EL MÉTODO DE REGRESIÓN LINEAL SIMPLE

Ilustración 3 Análisis de regresión lineal.

Mediante el análisis proporcionado por la herramienta MiniTab, el valor del coeficiente de determinación es el
87.9%, esto nos señala un alto nivel de fiabilidad para la predicción de resultado.

7
EJERCICIO N°2: REGRESION LINEAL MULTIPLE

Solución:
Datos:
Variable dependiente
Ganancias en Millones de $ = Y
Variable independiente
Número de Vendedores = X1
Variable independiente
El Precio del Producto ($) = X2
Precio
Ganancia N° del
X1^
Año (millones de Vended produ X2^2 Y1^2 x1*x2 X1*Y X2*Y
2
$) (Y) ores (x1) cto ($)
(x2)
1 1,2 24 0,95 576 0,9025 1,44 22,8 28,8 1,14
2 1,5 25 0,93 625 0,8649 2,25 23,25 37,5 1,395
3 2 25 0,92 625 0,8464 4 23 50 1,84
4 3,5 28 0,9 784 0,81 12,25 25,2 98 3,15
5 4,1 27 0,87 729 0,7569 16,81 23,49 110,7 3,567
6 5,6 29 0,86 841 0,7396 31,36 24,94 162,4 4,816
418
Σ 21 17,9 158 5,43
0
4,9203 68,11 142,68 487,4 15,908

Tabla de valores para la regresión lineal múltiple

6𝑎 158 𝑏1 5,43 𝑏2 17,9

[ 158 𝑎 4180 𝑏1 142,68 𝑏2] [ 487,4 ]
5,43 𝑎 142,68 𝑏1 4,9203 𝑏2 15,908
Matriz con las ecuaciones normales

8
RESOLUCIÓN POR EL MÉTODO DE GAUSS JORDAN

1- En la línea 1 dividimos en 6.
1𝑎 26,3333 𝑏1 0,905 𝑏2 2,9833
[ 158 𝑎 4180 𝑏1 142,68 𝑏2] [ 487,4 ]
5,43 𝑎 142,68 𝑏1 4,9203 𝑏2 15,908

2- En la 2 línea restamos la 1 línea multiplicamos por 158; en la 3 línea restamos la 1 línea multiplicamos
por 5,43.
1𝑎 26,3333 𝑏1 0,905 𝑏2 2,9833
[0 𝑎 19,3333 𝑏1 −0,31 𝑏2 ] [ 16,0333 ]
0𝑎 −0,31 𝑏1 0,0061 𝑏2 −0,2915

3- En la 2 línea dividimos en 19,3333.

1𝑎 26,3333 𝑏1 0,905 𝑏2 2,9833
[0 𝑎 1 𝑏1 −0,0160 𝑏2] [ 0,8293 ]
0𝑎 −0,31 𝑏1 0,0061 𝑏2 −0,2915

4- En la 1 línea restamos la 2 línea, multiplicamos por 26,3333; en la 3 línea sumamos la 2 línea

multiplicamos por 0.31.
1𝑎 0 𝑏1 1,3272 𝑏2 −18,8551
[0 𝑎 1 𝑏1 −0,0160 𝑏2] [ 0,8293 ]
0𝑎 0 𝑏1 0,0011 𝑏2 −0,0344

5- En la 3 línea dividimos en 0,0011

1𝑎 0 𝑏1 1,3272 𝑏2 −18,8551
[0 𝑎 1 𝑏1 −0,0160 𝑏2] [ 0,8293 ]
0𝑎 0 𝑏1 1 𝑏2 −29,1812

6- En la 1 línea restamos la 3 línea multiplicada por 1,3272; en la 2 línea sumamos la 3 línea multiplicamos
por 0,0160.
1𝑎 0 𝑏1 0 𝑏2 19,8754
[0 𝑎 1 𝑏1 0 𝑏2] [ 0,3614 ]
0𝑎 0 𝑏1 1 𝑏2 −29,1812

a 19,8754
b1 0,3617
b2 -29,1812

𝒀 = 𝟏𝟗, 𝟖𝟕𝟓𝟒 + 𝟎, 𝟑𝟔𝟏𝟕 𝑿𝟏 − 𝟐𝟗, 𝟏𝟖𝟏𝟐𝑿𝟐

9
CÁLCULOS EN EL SOFTWARE EXCEL
Mediante la función de regresión de Excel podemos verificar los resultados obtenidos de una forma más rápida.
La opción a seleccionar se encuentra dentro de análisis de datos, cual esta denominada regresión.

Función de regresión en Excel.

Se selección el rango de entrada (Y) que representa las Ganancias en Millones de $.

Selección de rango (Y)

Por último se selección el rango de entrada (X) que representa el Número de Vendedores y Precio del Producto
$.

Selección de rango (X)

10
Datos obtenidos con la función regresión en Excel

Los valores de los coeficientes de regresión a, b1, b2, coinciden tanto los valores obtenidos mediante el método
de Gauss Jordan y los cálculos en el software Excel.

CALCULO MEDIANTE LA UTILIZACIÓN DEL SOFTWARE ESTADÍSTICO MINITAB.

Con la aplicación del software Minitab, se procede a realizar el análisis con todos los datos establecidos como la
ganancia, el número de vendedores y el precio del producto.

Añ Ganancias (Millones N° Vendedores Precio del

o de $) Producto ($)
1 1,2 24 0,95

2 1,5 25 0,93

3 2,0 25 0,92

4 3,5 28 0,90

5 4,1 27 0,87

6 5,6 29 0,86

11
Análisis de datos mediante el método de regresión múltiple

La diferencia en los coeficientes de la regresión de ambos procedimientos obedece sólo a aspectos de visualización
de los resultados. Luego, la interpretación es la siguiente: las variables independientes Número de Vendedores y
Precio del Producto $ explican el 97,23% de la variación de las Ganancias en Millones de $. Notar que al considerar
2 variables independientes el coeficiente de determinación r cuadrado aumenta en comparación a las alternativas
que consideran sólo una variable independiente o explicativa.

Regresión Lineal
La regresión lineal simple nos permite buscar la linealización que se obtiene durante todo el año con respecto a la
demanda, cuya demanda determinara una curva. Para determinar la ecuación de la curva que caracteriza a la
variable analizada, análisis de datos, regresión, con la aplicación de la herramienta de Minitab se realiza lo
siguiente:

12
Al seleccionar la opción de grafica de línea ajustada nos aparecerá la siguiente ventana en la cual debemos
seleccionar las variables que irán en los ejes coordenados “x” y “y”.

A continuación, se nos generara las gráficas de acuerdo a las variables de entrada seleccionadas.
• Gráfica Ganancias vs número de vendedores

13
ECUACIÓN DE LA CURVA 𝑦 = 𝑎 + 𝑏𝑥

𝑦 = 18.86 + 0.8293 𝑥
• Gráfica Ganancias vs precio del producto

ECUACIÓN DE LA CURVA 𝑦 = 𝑎 + 𝑏𝑥
= 45.88 − 47.40 𝑥

a) CONCLUSIONES:
▪ Con este análisis proporcionado por Excel y MiniTab, se puede comprobar la ecuación perteneciente a la
linealización de la curva de demanda, el valor del coeficiente de determinación lo que muestra un alto
nivel de fiabilidad para la predicción de resultados y así mismo se comprueba los resultados determinados
por el método de mínimos cuadrados en el primer ejercicio y en el segundo ejercicio de igual manera se
observa que la solución por Gauss Jordán Excel y Minitab nos proporciona una buena fiabilidad para el
pronóstico de demanda.

b) RECOMENDACIONES:
• En una relación lineal, el coeficiente de determinación se puede usar en relaciones no lineales y en
relaciones con dos o más variables independientes. En este sentido, el coeficiente de determinación tiene
mayor aplicabilidad. Los coeficientes de determinación y correlación no son suficientes para llegar a la
conclusión acerca de si la relación es estadísticamente significativa. Esa conclusión se debe basar en
consideraciones donde intervenga el tamaño de la muestra y las propiedades de las distribuciones
muestrales adecuadas de los estimadores de los mínimos cuadrados.

14
VALIDACIÓN DE LAS GUÍAS DE PRÁCTICAS DE LABORATORIO
Fecha de elaboración: 25/10/2018

Ing. John Reyes Vasquez, Mg.

DOCENTE PLANIFICADOR UTA

Ing. Luis Morales, Mg. Ing. Carlos Sánchez, Mg.

COORDINADOR DE LA UNIDAD COORDINADOR DE CARRERA

15