Вы находитесь на странице: 1из 14

Benemrita Universidad

Autnoma de Puebla
B E N AU T N O M A Fa c u l t a d d e I n g e n i e r a
Colegio de Ingeniera Industrial

Gestin de la Produccin
Dr. Csar A. Arguello Morales

Equipo:
Abigail Ibez Villegas
Nohem Garca Mixca

Otoo 2015

Regresin Lineal
El anlisis de regresin se usa con el propsito de prediccin. La meta del anlisis
de regresin es desarrollar un modelo estadstico que se pueda usar para predecir
los valores de una variable dependiente o de respuesta basados en los valores de
al menos una variable independiente o explicativa.
El modelo de regresin lineal se refiere a encontrar la lnea recta que mejor se
ajuste a los datos. El mejor ajuste puede definirse de varias maneras. Quiz la
ms sencilla sea encontrar la lnea recta para la cual las diferencias entre los
valores reales y los valores pronosticados a partir de la recta ajustada de regresin
sean tan pequeas como sea posible. Sin embargo, como estas diferencias son
positivas para algunas observaciones y negativas para otras, en trminos
matemticos se minimiza la suma de los cuadrados de las diferencias.

El objetivo de un anlisis de regresin es determinar la relacin que existe entre


una variable dependiente y una o ms variables independientes. Para poder
realizar esta relacin, se debe postular una relacin funcional entre las variables.
Cuando se trata de una variable independiente, la forma funcional que ms se

utiliza en la prctica es la relacin lineal. El anlisis de regresin entonces


determina la intensidad entre las variables a travs de coeficientes de correlacin
y determinacin.

Coeficiente de correlacin

El coeficiente de correlacin, comnmente identificado como r o R , es una medida


de asociacin entre las variables aleatorias X y Y, cuyo valor vara entre -1 y +1.

El clculo del coeficiente de correlacin se efecta de la siguiente manera:

Dnde t hace referencia a la variable tiempo y x a la variable demanda.

Modelo de Regresin Lineal Simple

Pronstico del periodo t


Interseccin de la lnea con el eje
Pendiente (positiva o negativa)
Periodo de tiempo
Donde:

Promedio de la variable dependiente (Ventas o Demanda)


Promedio de la variable independiente (Tiempo)

Donde:

EJERCICIOS

Ejemplo de aplicacin de un pronstico de Regresin lineal Simple

La juguetera Gaby desea estimar mediante regresin lineal simple las ventas para
el mes de Julio de su nuevo carrito infantil "Mate". La informacin del
comportamiento de las ventas de todos sus almacenes de cadena se presenta en
el siguiente tabulado.

Mes

Ventas

1 Enero

7000

2 Febrero

9000

3 Marzo

5000

4 Abril

11000

5 Mayo

10000

6 Junio

13000

El primer paso para encontrar el pronstico del mes 7 consiste en hallar la


pendiente, para ello efectuamos los siguientes clculos:

Luego, y dado que ya tenemos el valor de la pendiente b procedemos a calcular el


valor de a, para ello efectuamos los siguientes clculos:

Ya por ltimo, determinamos el pronstico del mes 7, para ello efectuamos el


siguiente clculo:

Podemos as determinar que el pronstico de ventas para el perodo 7 es


equivalente a 13067 unidades.

Segundo Ejemplo

Ejercicio sin resolver

La regresin lineal se utiliza para pronsticos de series de tiempo como para


pronsticos de relaciones causales. En particular cuando la variable dependiente
cambia como resultado del tiempo se trata de un anlisis de serie temporal. En el
siguiente artculo desarrollaremos un pronstico de demanda haciendo uso de la
informacin histrica de venta de un producto determina1do durante los ltimos 12
trimestres (3 aos).

La ecuacin de mnimos cuadrados para la regresin lineal es la que se muestra a


continuacin donde 0 y 1 son los parmetros de intercepto y pendiente,
respectivamente:

Estimar los valores de dichos parmetros es sencillo haciendo uso de una planilla
Excel tal como muestra la tabla a continuacin:

Luego evaluamos en las ecuaciones presentadas anteriormente para obtener los


valores de 0 y 1:

Una vez obtenido los parmetros de la regresin lineal se puede desarrollar un


pronstico de demanda (columna color naranja) evaluando en la ecuacin de la
regresin para los distintos valores de la variable independiente (x). Por ejemplo
para el primer trimestre el pronstico es: Y(1)=441,71+359,61*1=801,3.
Observacin: los

valores

arbitrariamente a un decimal.

de

los

pronsticos

han

sido

redondeados

Siguiendo con nuestro anlisis a continuacin podemos desarrollar un pronstico


para los prximos 4 trimestres (un ao) que corresponden a los trimestres 13, 14,
15 y 16:

Y(13)=441,71+359,61*13=5.116,64

Y(14)=441,71+359,61*14=5.476,25

Y(15)=441,71+359,61*15=5.835,86

Y(16)=441,71+359,61*16=6.195,47
Si bien el procedimiento anterior es vlido puede ser resumido haciendo uso de
las herramientas de anlisis de datos de Excel o simplemente realizando un ajuste
de una regresin lineal en un grfico de dispersin, para ello luego de realizar el
grfico nos posicionamos en una de las observaciones y luego botn derecho del
mouse para seleccionar Agregar lnea de tendencia.

Luego en la interfaz de Excel activamos las opciones Presentar ecuacin en el


grfico y Presentar el valor R cuadrado en el grfico (este ltimo indicador
segn se aborda en los cursos de estadstica consiste en una medida de la
bondad de ajuste de la regresin). Notar que los valores obtenidos para los
parmetros de la regresin son similares salvo menores diferencias por efecto de
aproximacin.

Bibliografa

(Gonzlez, 2012, pg. 180)

(Lpez, 2012)

Geo Tutoriales (2014). Gestin de Operaciones,

Cmo utilizar una

Regresin Lineal para realizar un Pronstico de Demanda. Disponible en: <


http://www.gestiondeoperaciones.net/proyeccion-de-demanda/como-utilizaruna-regresion-lineal-para-realizar-un-pronostico-de-demanda/

> (22 de

agosto de 2015 6:23 pm).

Salazar Lpez, Bryan (2014). IngenieraIndustrialOnline.com, Regresin


Lineal.

Disponible

en:

<

http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingenieroindustrial/pron%C3%B3stico-de-ventas/regresi%C3%B3n-lineal/ > (22 de


agosto de 2015 7:23 pm).