Вы находитесь на странице: 1из 48

LABORATORIO DE PROCESOS AGROINDUSTRIALES

Programa de Ingeniera Industrial V Semestre

CONTROL DE PRODUCCION
EJERCICIOS DE REGRESION LINEAL SIMPLE Y MULTIPLE

Preparado por:
ARVEY MANCHOLA VARGAS
Cdigo: 4009018169
CARLOS ALBERTO FIAGA FIGUEROA
Cdigo: 4009018123
FABIO ANDRES SALAZAR DURAN
Cdigo: 4009017887
CLAUDIA MARCELA LOPEZ OSPINA
Cdigo: 4009018211
Presentado a:
MIGUEL ANGEL GONZALEZ URIBE
Ingeniero Industrial

CORPORACION UNIVERSITARIA DEL HUILA CORHUILA


PROGRAMA DE INGENIERIA INDUSTRIAL
SEPTIMO SEMESTRE
NEIVA (HUILA), MARZO 2012
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G

R
E
S
I

N
2
CORPORACIN UNIVERSITARIA DEL HUILA CORHUILA
INGENIERA INDUSTRIAL
1. Sobre un conjunto de conductores se ha realizado una encuesta para
analizar su
edad (Y) y el nmero de accidentes que han sufrido (X). A partir de
la misma, se
obtuvieron los siguientes resultados:
X/Y (20,30]
0 74 82 78
1 7 6 5 6
2 3 2 2 1

(30,40] (40,50] (50,60] (60,70]


72 7
5
1

A partir de estos datos, se le pide que determine para esta distribucin las curva
s de
regresin de Y sobre X y de X sobre Y.
Solucin del ejercicio:
Y
(20,30] (30,40] (40,50] (50,60] (60,70] TOTAL
X
0 74 82 78 72 7 313
1 7 6 5 6 5 29
2 3 2 2 1 1 9
84 90 85 79 13 351
x= Nmero de Accidentes que han sufrido
y= Edad
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J

E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
3
RESUMEN DE DATOS
CANTIDAD
PERSONAS
EDAD
PROMEDIO
No.
ACCIDENTES
74 25 0
7 25 1
3 25 2
82 35 0
6 35 1
2 35 2
78 45 0
5 45 1
2 45 2
72 55 0
6 55 1
1 55 2
7 65 0
5 65 1
1 65 2
Grficas
y = 1,105x + 40,493
0
10
20
30
40
50
60
70
0 0,5 1 1,5 2 2,5
C

a
n
t
i
d
a
d
d
e
P
e
r
s
o
n
a
s
No. de Accidentes que han sufrido
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
4

2. Para la economa espaola, disponemos de los datos anuales redondeados


sobre
consumo final de los hogares a precios corrientes (Y) y renta naciona
l disponible
neta (X), tomados de la Contabilidad Nacional de Espaa base 1995 del INE, para el
perodo 1995-2002, ambos expresados en miles de millones de euros:
Ao 1995 1996 1997 1998 1999 2000 2001 2002
Yt 258'6 273'6 289'7 308'9 331 '0 355'0 377'1 400'4
Xt 381 '7 402'2 426'5 454'3 486'5 520'2 553'3 590'0
Considerando que el consumo se puede expresar como funcin lineal de la
renta
(Y
t
=a+bX
t
), determine:
a) Los parmetros a y b de la recta de regresin.
y = 0,0013x + 0,0801
0
0,5
1
1,5
2
2,5
0 10 20 30 40 50 60 70
N
o
.
d
e
A
c
c
i
d
e
n
t
e
s
q
u
e
h
a
n
s
u
f
r
i
d

o
Cantidad de Personas
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
5
b) El coeficiente de determinacin de dicha regresin.
c) La prediccin del valor que tomar el consumo para una renta de 650.
000
millones de euros.
Solucin del ejercicio:
Ao Xt Yt
1995 381,7 258,6
1996 402,2 273,6
1997 426,5 289,7
1998 454,3 308,9
1999 486,5 331,0
2000 520,2 355,0
2001 553,3 377,1
2002 590,0 400,4
y = 0,6834x - 1,5973
50,0
100,0
150,0

200,0
250,0
300,0
350,0
400,0
450,0
- 100,0
C
o
n
s
u
m
o

200,0

300,0

400,0

f
i
n
a
l
h
o
g
a
r
e
s
a
P
r
e
c
i
o
s
C
o
r
r
i
e
n
t
e
s
Renta nacional disponible neta
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:

500,0

600,0

700,0

E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
6
a) Los parmetros a y b de la recta de regresin son:
Y
t
= a +bX
t
a =
b =
b)
dad
que
c)
s
se

-1,S97S
u,68S4
El coeficiente de determinacin es igual a 0,9998, es decir, que la confiabili
me brinda el pronstico es de 99,98 %.
La prediccin del valor del consumo para una renta de 650.000 millones de Euro
calculara con la ecuacin

y = u,68S4x -1,S97S, expresando en miles de

millones el valor correspondiente (x = 6Su,1).


Reemplazando en la frmula obtendremos,
y = u,68S4x -1,S97S
y = u,68S4(6Su,1) -1,S97S
y = 442,
Por lo tanto la respuesta estar dada por 442.600 millones de Euros ()
en el
consumo final de los hogares a precios corrientes.
CONTROL DE PRODUCCIN
T
A
L

L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
7

CONTROL DE PRODUCCIN
T
A
L
L
E
R
:

E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
8

3. Se supone que se puede establecer cierta relacin lineal entre las exportacione
s de
un pas y la produccin interna de dicho pas. En el caso de Espaa, tenem
os los
datos anuales (expresados en miles de millones de pesetas) para tales
variables
correspondientes al quinquenio 1992-96 en la siguiente tabla:
Aos
1992
1993
1994
1995
1996

Produccin Exportaciones
52.654 10.420
53.972 11.841
57.383 14.443
61.829 16.732
65.381 18.760

A partir de tal informacin, y considerando como vlida dicha relacin line


al, se
pide:
-2
-1
0
1
2
- 100,0
200,0
300,0
400,0
500,0
600,0
700,0
R
e
s
i
d
u
o

s
Variable X 1
Variable X 1 Grfico de los residuales
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
9
a) Si la produccin para el ao 1997 fue de 52.106.100 millones de pesetas, cul
sera la prediccin de las exportaciones para este ao? Qu grado de precisin
tendra dicha prediccin?
b) Si sabemos que las exportaciones para 1997 fueron de 69.045.704 mi
llones de
pesetas, cul sera la produccin interna aproximada para ese ao? Qu
grado de confianza dara usted a esta prediccin?
Solucin del ejercicio:
Aos Produccin (x) Exportaciones (y)
1992
52.654
10.420
1993
53.972
11.841
1994
57.383
14.443
1995
61.289
16.732
1996
65.381
18.760
Grfica
y = 0,6466x - 23154
5.000
10.000

15.000
20.000
25.000
- 10.000
20.000
30.000
E
x
x
p
o
r
t
a
c
i
o
n
e
s
Produccin
CONTROL DE PRODUCCIN

40.000

50.000

60.000

70.000

T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
10
a) Produccin para el ao 1.997= 52.106.100 millones de pesetas, representa
dos
en miles de millones obtendra, (x = S21u6,1).
Reemplazamos en la ecuacin:

y = u,6466x -2S1S4
y = u,6466(S21u6,1) -2S1S4
y = 1537, 8
Es decir, que el valor de las exportaciones sera de 10.539.000 millone
s de
pesetas aproximadamente. En cuanto a la precisin de la prediccin,
consideramos que la precisin est relacionada con la menor cantidad de
residuos presentados en el modelo, por lo tanto si observamos la grfica de los
residuales observamos que es poco preciso.
-1000
-500
0
500
1000
- 10.000
R
e
s
i
d
u
o
s
Variable X
Variable X
CONTROL DE
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E

20.000

30.000

40.000

1
1 Grfico de los residuales
PRODUCCIN

50.000

60.000

70.000

S
I

N
11
b) Exportaciones para el ao 1997 = 69.045.704 millones de Pesetas,
representadas en miles de millones obtendremos que, (y = 69u4S,7u4)
y = u,6466x -2S1S4
69u4S,7u4 = u,6466x -2S1S4
Despejamos x,
x =
69u4S,7u4 +2S1S4
u,6466
x = 142591, 5
Es decir, que el valor de la Produccin sera de 142.591.500 millones de
pesetas. En cuanto al grado de confianza, tendramos en cuenta el valor que nos
brinda el modelo de pronstico en el coeficiente de determinacin (R
2
), de
0,9856. Generndome un grado de confiabilidad de un 98,56%, y una viabilidad
de 0,99, muy cercano a 1, por lo que concluimos que el grado de confianza que
nos brinda el pronstico es bastante alto.

CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G

R
E
S
I

N
12

CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
13
4. La empresa COLOBONA S. A .L. ha trabajado hasta ahora con la hiptes
is de que
las ventas de un perodo dependen linealmente de los gastos de publicid
ad
efectuados en el perodo anterior. En este momento, le solicitan a uste
d la
realizacin de un anlisis que ponga de manifiesto si la hiptesis, hasta
ahora
mantenida, se puede seguir sosteniendo en funcin de los datos que le suministran.
AOS
1987
1988
1989
1990
1991
1992
1993

GASTOS VENTAS
21
22 19
25 20
26 22
27 23
29 24
30 26

En el informe final de su anlisis, deber responder a las siguientes preguntas:


a) Se incrementarn las ventas del perodo siguiente al aumentar los gasto
s en
publicidad del perodo actual?
b) Es adecuado suponer que el ajuste entre estas variables es efectivamente line
al
teniendo en cuenta los valores de las variables?

c) Cul ser la prediccin de las ventas para 1994? Qu precisin tendr ese
pronstico?
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D

E
R
E
G
R
E
S
I

N
14
d) Si para el ao 1994 se piensa incrementar los gastos de publicidad
en un 10%,
qu incremento relativo cabra esperar para las ventas de 1995 con respecto a
las de 1994, segn el modelo ajustado?
Solucin del Ejercicio:
El cuadro de datos que nos brinda el ejercicio refleja los gastos en Publicidad
en
sus respectivos aos, sin embargo, dicha inversin no se ver reflejada sino en el
ao inmediatamente despus, es decir, los gastos de publicidad para el ao
1.987 fueron de 21, por lo tanto , para el ao 1.988 las ventas sern
de 19. De
esta forma hemos optado por reajustar la informacin en el cuadro
correspondiente, obteniendo los datos que se observan a continuacin:
Aos
1987
1988
1989
1990
1991
1992
1993
1994

Gastos (x) Ventas (y)


21 19
22 20
25 22
26 23
27 24
29 26
30 26,57
33 29,11

CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I

O
S
D
E
R
E
G
R
E
S
I

N
15
Aos
Gastos
Gastos (x)
Aos
Ventas
Ventas (y)
1987 21 1988
1988 22 1989
1989 25 1990
1990 26 1991
1991 27 1992
1992 29 1993
1993 30 1994
1994 33 1995

19
20
22
23
24
26
26,57
29,11

Grfica

y = 0,8478x + 1,1377
0
5
10
15
20
25
30
0 5 10 15 20 25 30 35
V
E
N
T
A
S
GASTOS
CONTROL DE PRODUCCIN
T
A
L
L

E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
16
a) Para determinar si las ventas se incrementarn en el perodo siguiente
al
aumentar los gastos en publicidad del perodo actual, tomamos como refer
encia
el ao 1993, por lo que tendremos que calcular primero cual es el vol
umen de
ventas en ese perodo con respecto a los gastos en publicidad, cuyo valor es de
x = Su.
Aplicamos la ecuacin obtenida en la grfica:
y = u,8478x +1,1S77
y = u,8478(Su) +1,1S77
y = 2, 57
Para el periodo de 1.993 los gastos de publicidad poseen un valor de 30,
por lo
que dicha inversin se ver reflejado en el ao inmediatamente siguiente, por lo
tanto las ventas para el perodo de 1.994 sern de 26,57.
Ahora incrementaremos en un 10% los gastos de Publicidad para el ao 1.994 y
determinar si efectivamente las ventas tambin aumentan.
Gastos 1.993 = 30 *10% = 33
Gastos 1.994 = 33
y = u,8478x +1,1S77
y = u,8478(SS) +1,1S77
y = 29, 11
CONTROL DE PRODUCCIN
T
A

L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
17
Podemos observar que si incrementamos los gastos de publicidad para el perodo
actual (1.994), las ventas del perodo siguiente (1.995) efectivamente
aumentaran.
b) El ajuste entre estas variables es totalmente lineal, si observamos
la lnea de
tendencia que nos muestra la grfica podemos apreciar que los valores d
e las
variables as lo indican.
c) La prediccin de las ventas para 1.994 es de 26,57. El modelo que nos presenta
el ejercicio ser bastante preciso ya que los residuos son casi nulos, los valor
es
oscilan o son muy cercanos a 0. Observar grfico de los residuales.

d) Para el ao 1.994 se incremento en un 10% los gastos de Publicidad, por lo que


en el ao 1.995 de observaron unas ventas de 29,11. Es decir, 2,54 ms alta con
respecto a las ventas de 1.994 que fueron de 26,57.
-0,4
-0,3

-0,2
-0,1
0
0,1
0,2
0,3
0,4
0 5 10 15 20 25 30 35
R
e
s
i
d
u
o
s
Variable X 1
Variable X 1 Grfico de los residuales
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
18

CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
19

Distribuciones tridimensionales:
5. No es algo desconocido el hecho de que las entradas de turistas e
xtranjeros en
Espaa no han hecho sino crecer de forma continuada durante las ltimas dcadas,
coadyuvando a este hecho las peculiares caractersticas climatolgicas, econmicas
y culturales de nuestro pas. A partir de esta idea de principio, se ha querido ah
ondar
en el tema, analizando si la riqueza del turista y la distancia de su pas al nues
tro son
factores vinculantes a la hora de tomar la decisin de visitarnos. Para
ello, hemos
recogido en la siguiente tabla las entradas de turistas procedentes de
5 pases
diversos para un determinado ejercicio econmico, junto con su PIB per
capita (en
miles de euros) y la distancia en kilmetros desde cada uno de los pas
es
considerados al nuestro:
Pas Nturistas entrados
3
) Distancia (Kms.)
A 1800000 3'1 1500
B 2500000 4'2 1200
C 700000 2'7 3100
D 1200000 3'0 2500
E 1900000 4'0 1800

PIB per cpita (10

A partir de tal informacin, se le pide que:


a) Determine la relacin lineal que explicara las entradas de turistas en funcin de
l
PIB per cpita y de la distancia.
b) Es dicho modelo suficientemente explicativo?
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E

R
E
G
R
E
S
I

N
20
c) Cul de las dos variables explicativas est ms correlacionada con la entrada de
turistas?
Solucin del ejercicio:
Pas
PIB per cpita (10
3
)
(X
1
)
Distancia Kms.
(X
2
)
N Turistas entrados
(Y)
A 3,1 1500 1800000
B 4,2 1200 2500000
C 2,7 3100 700000
D 3,0 2500 1200000
E 4,0 1800 1900000
a) En la grfica siguiente podemos observar que existe una relacin del
PIB per
cpita que incide en la cantidad de turistas en Espaa, y precisamente es que a
mayor PIB per cpita, mayor ser la cantidad de turistas que ingresan a Espaa.
0
500000
1000000
1500000
2000000
2500000
3000000
0,0 1,0 2,0 3,0 4,0 5,0
N
o
.
T
u
r
i
s
t
a
s

PIB per cpita (103 )


CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
21
Por el
(Km),
refleja
ingresan
Espaa.

contrario a la relacin existente entre la distancia en Kilmetros


el cual
que a mayor distancia, menor ser la cantidad de turistas que
a

b) El modelo nos ofrece una viabilidad de 0.99, muy cercana a la ideal que es 1
, y
un porcentaje de confiabilidad del 99.28%. Teniendo en cuenta est informacin
podemos afirmar que en determinado caso si hubiesen otros factores que
afectarn la entrada de turistas a Espaa, esto podra incidir considerablemente
en los resultados del modelo anteriormente expuesto.
0
500000
1000000
1500000
2000000

2500000
3000000
0 500 1000 1500 2000 2500 3000 3500
N
o
.
T
u
r
i
s
t
a
s
Distancia Km.
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
22

CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
23
c) Para determinar la correlacin de las dos variables explicativas, dec
idimos
implementar modelos de pronstico independientes para cada una (PIB per
cpita y distancia Kms.), para lograr obtener los datos correspondientes
y
basados en el porcentaje de confiabilidad, asumimos que el mayor grado
de
incidencia en la entrada de turistas lo tiene la distancia en Km, pr
esentando un
94.22 % de confiabilidad, mientras que el PIB per cpita, nos arroja un 80,02 %,
muy por debajo del dato anterior.

Grfica de residuales (Modelo con las dos Variables Explicativas)


-100000
-50000
0
50000
100000
0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5
R
e
s
i
d
u
o
s
Variable X 1
Variable X 1 Grfico de los residuales
-100000
-50000
0
50000
100000
0 500 1000 1500 2000 2500 3000 3500
R
e
s
i
d
u
o
s
Variable X 2
Variable X 2 Grfico de los residuales
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E

R
E
G
R
E
S
I

N
24

CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E

S
I

N
25

CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

26
Grfica de residuales (Modelo relacin PIB per cpita)

Grfica de residuales (Modelo relacin Distancia Km)


-400000
-200000
0
200000
400000
600000
0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5
R
e
s
i
d
u
o
s
Variable X 1
Variable X 1 Grfico de los residuales
-300000
-200000
-100000
0
100000
200000
0 500 1000 1500 2000 2500 3000 3500
R
e
s
i
d
u
o
s
Variable X 1
Variable X 1 Grfico de los residuales
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I

C
I
O
S
D
E
R
E
G
R
E
S
I

N
27
6. Porfirio Labrador es un joven agricultor de la provincia de Sevilla
, que adquiri
conocimientos de estadstica en su formacin universitaria en esta escuela.
Tiene
una finca de su propiedad, dedicada fundamentalmente a la produccin de trigo duro
especial para la fabricacin de pastas, dadas las importantes subvencione
s que
recibe de la Comunidad Europea. Dada la influencia que supone que eje
rce la
cantidad de lluvia cada sobre la produccin, utiliza un pluvimetro para medir st
a,
mes a mes. En el cuadro adjunto aparece recogida la produccin de trig
o duro en
Quintales mtricos por hectrea (X1) y la cantidad de lluvia cada en su finca, medida
en litros por metro cuadrado (X
2
), durante las cinco ltimas campaas:
CAMPAA
X1
X2
89/90
90/91
91/92
92/93
93/94

80
95
83
75
72

120
145
108
90
85

Este agricultor, que es pesimista como la mayora de los de su


piensa que la
pertinaz sequa va a continuar para la prxima campaa 94/95, y
ntidad de
lluvia para esa campaa va a ser la misma que la recogida en
aa anterior.
Desde este supuesto, qu prediccin hara para la produccin de

sector,
que la ca
la camp
la campaa

venidera? Qu fiabilidad otorgara a tal prediccin? Si pensara que la canti


dad de
lluvia recogida aumentase en un 1%, cul sera dicha prediccin?
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
28
Solucin del ejercicio:
(Y) (X)
CAMPAA X1 X2
89/90 80 120
90/91 95 145
91/92 83 108
92/93 75 90
93/94 72 85
94/95
Grfica
y = 0,34x + 42,76
0
10
20
30
40

50
60
70
80
90
100
0 20 40 60 80 100 120 140 160
P
r
o
d
u
c
c
i

n
d
e
T
r
i
g
o
d
u
r
o
Cantidad de lluvia
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G

R
E
S
I

N
29
Calculamos la produccin de la campaa venidera (94/95) utilizando la ecuacin dada
por el grfico, y = u,S4x +42,76, utilizando el valor de la misma cantidad de lluv
ia de la
campaa anterior (93/94), por lo tanto x = 8S.
Reemplazamos en la frmula,
y = u,S4x +42,76
y = u,S4(8S) +42,76
y = 71, 7
La prediccin de produccin de trigo duro para la campaa venidera si se conserva
la
misma cantidad de lluvia de la campaa anterior es de 71,76.
(Y) (X)
CAMPAA X1 X2
89/90 80 120
90/91 95 145
91/92 83 108
92/93 75 90
93/94 72 85
94/95 71,66 85
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E

G
R
E
S
I

N
30
La fiabilidad otorgada a la prediccin va directamente relacionada con el valor ar
rojado
por el modelo de pronstico elaborado, en donde el coeficiente de deter
minacin (R
2
)
es de 0.9007, es decir, la fiabilidad es de un 90,07%.
Calculamos ahora el valor de la produccin de trigo duro, si las lluvias aumenta
ran en
un 1%:
Cantidad de lluvia campaa 93/94 = 85*1% = 85,85 , x = 8S,8S.
y = u,S4x +42,76
y = u,S4(8S,8S) +42,76
y = 71, 94
(Y) (X)
CAMPAA X1 X2
89/90 80 120
90/91 95 145
91/92 83 108
92/93 75 90
93/94 72 85
94/95 71,95 85,85
Por lo tanto, la prediccin de la produccin para la campaa 94/95, si la
s lluvias
aumentan un 1% es de 71,94.
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S

D
E
R
E
G
R
E
S
I

N
31

CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E

G
R
E
S
I

N
32

7. Una determinada cooperativa agrcola dedicada a la produccin y comercia


lizacin
de fresas se plantea hacer un estudio para explicar el volumen de su
s ventas (X
1
),
expresadas en millones de pesetas. Para ello, a partir de los datos
semestrales
obtenidos desde la creacin de la cooperativa, se plantea un modelo lin
eal usando
como variables explicativas el gasto en publicidad (X
2
), expresado en millones de
pesetas, y el nmero de supermercados que comercializan sus productos (X
3).
Seguidamente recogemos la informacin de la que dispone la empresa:
Semestre X2 X3 X1
2de 1994 1'5 15 13
1de 1995 1'7 17 41
2de 1995 2 19 16
1de 1996 2'3 20 47
2de 1996 2'5 23 19
1de 1997 3 25 55
2de 1997 3'5 26 22
1de 1998 4 29 63
2de 1998 4'3 31 25
1de 1999 4'5 34 65
-6
-4
-2
0
2
4
0 20 40 60 80 100 120 140 160
R
e
s
i
d
u
o
s
Variable X 1
Variable X 1 Grfico de los residuales
CONTROL DE PRODUCCIN

T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
33
Desde tales cifras, responda a las siguientes cuestiones:
a) Determine el modelo de regresin planteado e intrprete sus coeficiente
s,
indicando a su vez cul es la capacidad explicativa del mismo.
b) A partir de los resultados obtenidos en el apartado anterior, sugerira usted q
ue
pueden existir otras variables no tenidas en cuenta aqu y de importanc
ia
relevante para la explicacin de las ventas?
Observando los datos, nos damos cuenta que
al primer
semestre son siempre mucho mayores que las
ismo ao.
Para recoger este aspecto, se decidi introducir
, cuyo
valor sera uno si el dato corresponde al
caso contrario.
Utilizando esta variable adicional:

las ventas correspondientes


del segundo semestre del m
una nueva variable explicativa X4
primer semestre, y cero en

c) Determine el nuevo modelo de regresin planteado e intrprete sus coeficientes,


indicando la capacidad explicativa del mismo.

d) Bajo este modelo, en cunto se incrementaran las ventas en el segundo


semestre de 1999 (con respecto al segundo semestre de 1998) si los gastos en
publicidad se incrementasen en 500000 pesetas y se espera que dos nue
vos
supermercados comercialicen los productos de la cooperativa?
Solucin del ejercicio:
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
34

CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
35

Anlisis de los residuales


Observacin Pronstico para Y Residuos
1 20,29436094 -7,294360938
2 25,51311685 15,48688315
3 29,4507941 -13,4507941
4 29,49801475 17,50198525
5 38,60722726 -19,60722726
6 39,98274721 15,01725279
7 37,46781055 -15,46781055
8 42,73378711 20,26621289
9 46,67146436 -21,67146436
10 55,78067688 9,219323123
a) Observando el coeficiente de correlacin mltiple podemos evidenciar que

este
se encuentra con un valor de 0.52, y debemos saber que este me indi
ca la
viabilidad del modelo que estoy utilizando, siendo el valor ideal 1, o en su def
ecto
-50
0
50
0,0 1,0 2,0 3,0 4,0 5,0
R
e
s
i
d
u
o
s
Variable X 1
Variable X 1 Grfico de los
residuales
-50
0
50
0 10 20 30 40
R
e
s
i
d
u
o
s
Variable X 2
Variable X 2 Grfico de los
residuales
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E

R
E
G
R
E
S
I

N
36
un valor que se acerque al mismo. Por lo tanto, concluimos que el valor reflejad
o
se encuentra en un rango muy por debajo del nivel ideal, por lo que sera poc
o
viable.
Por otra parte, el coeficiente de de determinacin (R
2
) me determina el nivel de
confiabilidad de dicho modelo, encontrndose ste en 0.2808, es decir un
28,08%. Muy por debajo del porcentaje ideal (100%). Por lo que concluimos que
es poco confiable.
b) A nuestro juicio podra existir la variable de demanda del sector, considerando
que es uno de los factores que incide considerablemente en las ventas
de un
producto.
(X
a
) (X
b
) (X
c
) (Y)
Semestre
2de 1994
1de 1995
2de 1995
1de 1996
2de 1996
1de 1997
2de 1997
1de 1998
2de 1998
1de 1999

X2 X3 X4
1,5 15 0
1,7 17 1
2,0 19 0
2,3 20 1
2,5 23 0
3,0 25 1
3,5 26 0
4,0 29 1
4,3 31 0
4,5 34 1

CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E

X1
13
41
16
47
19
55
22
63
25
65

J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
37

CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I

C
I
O
S
D
E
R
E
G
R
E
S
I

N
38

-6
-4
-2
0
2
4
6
0,0 1,0 2,0 3,0 4,0 5,0
R
e
s
i
d
u
o
s
Variable X 1
Variable X 1 Grfico de los residuales
-6
-4
-2
0
2
4
6
0 5 10 15 20 25 30 35 40
R
e
s
i
d
u
o

s
Variable X 2
Variable X 2 Grfico de los residuales
-6
-4
-2
0
2
4
6
0 0,2 0,4 0,6 0,8 1 1,2
R
e
s
i
d
u
o
s
Variable X 3
Variable X 3 Grfico de los residuales
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D
E
R
E
G
R
E
S
I

N
39
Anlisis de los residuales

Observacin Pronstico para Y Residuos


1 10,14169515 2,858304848
2 44,95959979 -3,95959979
3 14,47411363 1,525886374
4 48,53266798 -1,532667981
5 18,8065321 0,193467901
6 54,05610918 0,943890816
7 22,95516355 -0,955163552
8 59,10798174 3,892018264
9 28,62249557 -3,622495571
10 64,34364131 0,656358692
c) En el nuevo modelo
nte de
correlacin mltiple es
ciente de
determinacin (R
2
) es 0.9836, es decir,
podemos deducir que el
ran
fiabilidad.

de regresin se puede evidenciar que el coeficie


0.99, muy cercano al valor ideal (1), y el coefi

98.36% de confiabilidad. Por lo tanto


nuevo modelo es bastante viable y tiene una g

d) Calculamos ahora en cuanto incrementarn las ventas en el segundo se


mestre
de 1.999, sabiendo que los gastos de publicidad aumentaron 500.000 pes
etas,
que expresados en miles son 0.5, y sumados con el valor del ao anterior (4.5)
nos dara como resultado, 5.0, es decir x
u
= S,u.
Mientras que para los supermercados que comercializan el producto
aumentamos 2 unidades, es decir, que nuestro valor para x
b
= S6.
CONTROL DE PRODUCCIN
T
A
L
L
E
R
:
E
J
E
R
C
I
C
I
O
S
D

E
R
E
G
R
E
S
I

N
40
Aplicamos la ecuacin mostrada por el modelo de regresin,
y = 1,4S x
u
+ u,9 x
b
+ S2,72 x
c
-S,S6
Reemplazamos los valores en la frmula,
y = 1,4S (S,u) +u,9 (S6) + S2,72 (u) - S,S6
y = 7,1S + S2,4 +u - S,S6
y = 33, 99
Por lo tanto, las ventas del segundo semestre de 1.999 se incrementarn
con
respecto al segundo semestre de 1.998, de 25 a 34 millones de pesetas.
(X
a
) (X
b
) (X
c
) (Y)
Semestre
2de 1994
1de 1995
2de 1995
1de 1996
2de 1996
1de 1997
2de 1997
1de 1998
2de 1998
1de 1999
2de 1999

X2 X3 X4
1,5 15 0
1,7 17 1
2,0 19 0
2,3 20 1
2,5 23 0
3,0 25 1
3,5 26 0
4,0 29 1
4,3 31 0
4,5 34 1
5,0 36 0

X1
13
41
16
47
19
55
22
63
25
65
33,99