LABORATORIO x TALLER SIMULACIÓN CAMPO

GUÍA DE TALLER PRÁCTICO

MÓDULO: ADMINISTRACIÓN DE LA PRODUCCIÓN CICLO ACADÉMICO: SÉPTIMO

CARRERA: INDUSTRIAL EN PROCESOS DE AUTOMATIZACIÓN PARALELO: A
PERIODO ACADÉMICO: MARZO-AGOSTO 2019
UNIDAD DE ORGANIZACIÓN CURRICULAR: Profesional DOCENTE: Ing. John Reyes Mg.
TALLER N : 01
Integrantes: Cyntia Espin - Mercedes Sánchez

I. TEMA: INTRODUCCIÓN A EXCEL PARA DESARROLLAR PRONÒSTICOS

II. OBJETIVOS:
Familiarizar a los estudiantes con el software planeación de producción

III. 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 PARA DESARROLLAR PRONÒSTICOS”

IV. LISTADO DE EQUIPOS, MATERIALES Y RECURSOS:

Software Excel
Computadores
Proyector
V. ACTIVIDADES POR DESARROLLAR:

 Leer el problema presentado por el docente.

 Desarrollar en Excel la estadística de regresión, utilizando la herramienta de datos.
 Interpretar los resultados

3. Una empresa constructora de caminos presenta gastos enormes por concepto de consumo de
petróleo. Realizando un anñalisis, se concluyó que los tres factores que mas inciden en el consumo de
pretróleo al día (en litros), eran:
 El número de horas-maquina trabajada durante el día
 La distancia recorrida por los transportes realizados durante el día (en kilómetros)
 El rendimiento promedio de los motores que se utilizan en la faena diaria (en horas por litro).
Recogiendo los datos de estas cuatro variables durante 9 días consecutivos, se obtuvo los siguientes
datos:
 VI. RESULTADOS OBTENIDOS:
Se obtiene la estadística de regresión por medio de la cual se obtiene la ecuación de la recta de la tendencia
de los datos históricos. También se obtiene el coeficiente de correlación. La relación entre las variables x e
y, relativamente baja ya que no se aproxima a 1.

Variable X 1 # de horas maquinas

Curva de regresión ajustada
10000
8000
6000
Y

4000 Y
2000 Pronóstico para Y
0
0 100 200 300 400
Variable X 1

Variable X 2 distancia de transporte

Curva de regresión ajustada
10000

5000
Y

Y
0 Pronóstico para Y
0 5000 10000 15000 20000
Variable X 2
 Variable X 3 rendimiento de motores
Curva de regresión ajustada
10000

Y 5000
Y
0 Pronóstico para Y
0 1 2 3 4 5
Variable X 3

RESUMEN

Estadísticas de la regresión
Coeficiente de correlación múltiple 0,99981265
Coeficiente de determinación R^2 0,99962534
R^2 ajustado 0,99940054
Error típico 59,746695
Observaciones 9

ANÁLISIS DE
VARIANZA
Grados de Suma de Promedio de los Valor
libertad cuadrados cuadrados F crítico de F
4446,760
Regresión 3 47620373,2 15873457,7 78 5,5345E-09
Residuos 5 17848,3378 3569,66757
Total 8 47638221,6

Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95,0%Superior 95,0%
Intercepción -26,01 42,75 -0,61 0,57 -135,90 83,87 -135,90 83,87
Variable X 1 11,30 2,76 4,09 0,01 4,20 18,40 4,20 18,40
Variable X 2 0,24 0,07 3,59 0,02 0,07 0,41 0,07 0,41
Variable X 3 -4,71 17,20 -0,27 0,80 -48,93 39,52 -48,93 39,52
𝑦 = −26,01 + 11,30𝑥1 + 0,24𝑥2 − 4,71𝑥3

VII. CONCLUSIONES:
 El uso de software Excel por medio de la herramienta de análisis para pronósticos y
regresión permite realizar cálculos de manera más rápida, facilitando el análisis de
regresión lineal múltiple.
 Esta relación se ha estimado con un nivel de confianza de 95%, en el cual los resultados
pueden tener un error de 5%. Además, considerando el coeficiente de determinación R²
= 0.9996 podemos indicar que la relación entre la variable dependiente y las variables
independientes son fuertes, de esta manera la probabilidad del pronóstico será más
precisa.
 Por medio del análisis de regresión se estableció ecuación es confiable, por lo que sí es
recordable utilizar esta ecuación para predecir el consumo diario de petróleo.

VIII. RECOMENDACIONES:
 Utilizar datos precisos, los datos de las variables deben estar relacionados para tener un
mejor análisis mediante el software.
 Utilizar graficas que nos permitan interpretar de mejor manera los resultados obtenidos.
 La interpretación de los datos obtenidos por el software es de gran relevancia para
 obtener un análisis adecuado de los mismo.

VALIDACIÓN DE LAS GUÍAS DE PRÁCTICAS DE LABORATORIO

Fecha de elaboración: 30/03/2019

Ing. John Reyes Vasquez, Mg.

DOCENTE PLANIFICADOR UTA

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

COORDINADOR DE LA UNIDAD COORDINADOR DE CARRERA
DE ORGANIZACIÓN CURRICULAR