Documente Academic
Documente Profesional
Documente Cultură
FACULTAD DE INGENIERIA
INGENIERIA CIVIL INDUSTRIAL
Producción
Unidad 1: Pronósticos de demanda
Parte 2: Regresión Lineal
Producción 1
Métodos Causales: Regresión Lineal
Gestión de Operaciones 2
Métodos Causales: Regresión Lineal
Ventajas
• Excelente para prever puntos de flexión de la demanda.
• Útil para pronósticos de mediano o largo plazo.
Regresión lineal
• Consiste en que una variable dependiente se relaciona con una o más variables
independiente por medio de una expresión algebraica.
• Las variables independientes influyen en la variable dependiente y, por lo tanto,
son la causa de los resultados observados en el pasado.
Ejemplo:
Variable dependiente: se quiere pronosticar la demanda de personas que utilizan
UBER en Concepción.
Variable independiente: publicidad, Competencia, ‘Insatisfacción’ con otros servicios
similares etc.
Gestión de Operaciones 3
Regresión Lineal
188
168
148
128
Sales
108
Regression
88
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29
Week
Gestión de Operaciones 4
Regresión Lineal
Gestión de Operaciones 5
Regresión Lineal
Desviación
y o error e Ecuación de
Estimación de y
Variable Dependiente
a partir de regresión:
la ecuación de y= a +bx + e
regresión
{ Valor
actual
de y
Valor de x empleado
para calcular y
x
Variable Independiente
Gestión de Operaciones 6
Regresión Lineal
Gestión de Operaciones 7
Regresión Lineal
Gestión de Operaciones 8
Regresión Lineal: mínimos cuadrados
• El método de mínimos cuadrados ajusta los datos que reducen al mínimo la
suma de los cuadrados de la distancia vertical entre cada punto de datos y el
punto correspondiente en la recta.
Trimestre Ventas
1 600
2 1550
3 1500
4 1500
5 2400
6 3100
7 2600
8 2900
9 3800
10 4500
11 4000
12 4900 Gestión de Operaciones 9
Regresión Lineal: mínimos cuadrados
y a bx MAD
Ei
Ei yi Yi
n
a y bx
i
b
xy nx y
S yx
Ei2
x nx 2 2 i n
Desviación estándar y media
Error estándar del estimado:
n
E E E
n 2
E
2
i i
i
CME i 1 i 1
; E i
n2 n 1 n
10
Gestión de Operaciones
Regresión Lineal: mínimos cuadrados
• Coeficiente de Correlación
x y nx y
i i
r i
x x * y y
2 2
i i
i i
Gestión de Operaciones 11
Regresión Lineal: ejemplo
Ventas Publicidad
Mes (miles de unidades) (miles de $)
1 264 2.5 a = - 8.136
2 116 1.3 b = 109.229
3 165 1.4 r = 0.98
4 101 1.0 r2 = 0.96
5 209 2.0
syx = 15.61
Gasto en publicidad para el mes 6 es de $ 1.750
Antecedentes cuantitativos obtenidos a través de la calculadora
Gestión de Operaciones 12
Regresión Lineal: ejemplo
Ventas Publicidad
Mes (000 unidades) (000 $)
1 264 2.5 a = ?
2 116 1.3 b = ?
3 165 1.4 r = ?
4 101 1.0 r2 = ?
5 209 2.0
Gestión de Operaciones 13
Regresión Lineal: ejemplo
Ventas Publicidad
Mes (miles unidades) (miles $)
1 264 2.5
2 116 1.3
3 165 1.4
4 101 1.0
5 209 2.0
a y bx b
xy nx y
x nx 2 2
Gestión de Operaciones 14
Regresión Lineal: ejemplo
Ventas, y Publicidad, x
Mes (miles unidades) (miles $) xy x2 y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
y = 171 x = 1.64
a = - 8.136 b = 109.229
Gestión de Operaciones 15
Regresión Lineal: ejemplo
y = - 8.136 + 109.229(x)
Ventas, y Publicidad, x
Mes (miles unidades) (miles $) xy x2 y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
y = 171 x = 1.64
a = - 8.136 b = 109.229
Gestión de Operaciones 16
Regresión Lineal: ejemplo
Gestión de Operaciones 17
Regresión Lineal: ejemplo
Ventas, y Publicidad, x
Mes (miles unidades) (miles $) xy x2 y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
y = 171 x = 1.64
Gestión de Operaciones 18
Regresión Lineal: ejemplo
Ventas, y Publicidad, x
Mes (miles unidades) (miles $) xy x2 y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
y = 171 x = 1.64
Coeficiente de
nxy - x y
r= correlación de
[nx 2 -(x) 2][ny 2 - (y) 2] la muestra
Gestión de Operaciones 19
Regresión Lineal: ejemplo
Ventas, y Publicidad, x
Mes (miles unidades) (miles $) xy x2 y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
y = 171 x = 1.64
r = 0.98
Gestión de Operaciones 20
Regresión Lineal: ejemplo
Ventas, y Publicidad, x
Mes (miles unidades) (miles $) xy x2 y2
1 264 2.5 660.0 6.25 69,696
2 116 1.3 150.8 1.69 13,456
3 165 1.4 231.0 1.96 27,225
4 101 1.0 101.0 1.00 10,201
5 209 2.0 418.0 4.00 43,681
Total 855 8.2 1560.8 14.90 164,259
y = 171 x = 1.64
Gestión de Operaciones 21