Documente Academic
Documente Profesional
Documente Cultură
I. OBJETIVOS:
II. INSTRUCCIONES:
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:
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
3
V. RESULTADOS OBTENIDOS:
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
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
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:
∑𝑛𝑖=1(𝑦𝑖 − 𝑌𝑖 )2
𝑆𝑦𝑥 = √
𝑛−2
𝑆𝑥𝑦 = 22,436
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
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
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.
Y = a+bx
Y = 3766,7+ 192.31x
4
Análisis de datos mediante el método de regresión simple
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).
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:
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
𝑦 = 𝑎 + 𝑏𝑥
𝑦 = 3767 + 192.3𝑥
6
Figura 3: Gráfica 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
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
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
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.
Por último se selección el rango de entrada (X) que representa el Número de Vendedores y Precio del Producto
$.
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.
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.
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
15