Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
=
2
2
X n x
XY n xy
b
x b Y a =
Desviacin estndar de la regresin
Una lnea de regresin describe la relacin entre un valor dado de la variable independiente X y la media y.x de la distribucin de
probabilidad correspondiente de la variable dependiente Y. El punto estimado, o pronstico, es la media de la distribucin para un
valor dado X.
La desviacin estndar de la regresin S y.x es una medida de la dispersin de los datos alrededor de la lnea de regresin.
2
2
.
=
n
XY b Y a Y
S
X y
Estimacin de intervalo
Se puede establecer una prediccin de intervalo para un valor pronosticado individual de Y
C
usando la expresin:
Intervalo de prediccin = Y
C
t
S
IND
ADMINISTRACION DE OPERACIONES I
Unidad 1. Sistemas de produccin
2.1 Mtodos de pronsticos de la demanda
Ing. Jorge Enrique Vargas Martinez; MAD.
Donde t = valor de la tabla de la distribucin t para el nivel de confianza especificado, y
+ + =
2
2
.
) (
) ( 1
1
X X
X X
n
S S
x y IND
Para muestras grandes (n100), la ecuacin anterior puede ser aproximada. Usando la distribucin normal (Z) ms que la , en la
forma de Y
C
ZS
Y.X
Tambin la significancia de la pendiente de la lnea de regresin (b) puede ser probada usando la siguiente
expresin.
b
calc
S
b
t =
=
2 .
) (
1
X X
S S
X Y b
donde
Si el valor de t
calc
de la tabla t, la relacin entre X y Y es estadsticamente significativa.
Correlacin
El coeficiente de correlacin lineal simple r es un nmero entre -1 y 1 que indica qu tan bien describe la ecuacin lineal la relacin
entre las dos variables. Como se muestra en la siguiente figura, r se designa como positiva si Y se incrementa cuando lo hace X, y
negativa si Y decrece al incrementarse X. Una r de cero indica una ausencia de relacin entre las dos variables.
La desviacin de todos los puntos (Y) de la lnea de regresin (Yc) consiste en la desviacin contabilizada por la lnea de regresin
(explicada) y la variacin aleatoria (no explicada).
Variacin total = explicada + no explicada
+ =
2 2 2
) ( ) ( ) (
c c
Y Y Y Y Y Y
El coeficiente de determinacin r
2
es la razn de la variacin explicada a la variacin total:
ADMINISTRACION DE OPERACIONES I
Unidad 1. Sistemas de produccin
2.1 Mtodos de pronsticos de la demanda
Ing. Jorge Enrique Vargas Martinez; MAD.
=
2
2
2
) (
) (
Y Y
Y Y
r
C
El coeficiente de correlacin r es la raz cuadrada del coeficiente de determinacin:
=
2
2
) (
) (
Y Y
Y Y
r
c
Cuando el tamao de la muestra es lo suficientemente grande (v.g., mayor de 50); el valor de r puede ser calculado ms
directamente con base en:
( ) | || |
2 2
2
2
) (
=
Y Y n X X n
Y X XY n
r
La significancia de cualesquier valor de r puede probarse estadsticamente con una hiptesis para mostrar que no existe correlacin.
Para probarlo, el valor de r es comparado con un valor de tablas para un tamao de muestra y un nivel de significancia dados.
Ejemplo
El gerente general de una planta de produccin de materiales de construccin considera que la demanda de embarques de
aglomerado puede estar relacionado con el nmero de permisos de construccin emitidos en el municipio durante el trimestre
anterior. El gerente ha recolectado los datos que se muestran en la tabla.
Permisos de Embarques de
construccin (X) conglomerado (Y)
15 6
9 4
40 16
20 6
25 13
25 9
15 10
35 16
- Si se pide determinar una estimacin de los embarques cuando el nmero de permisos de construccin es 30.
En el siguiente diagrama de dispersin se puede ver que los datos no son perfectamente lineales; sin embargo, se puede hacer un
enfoque lineal sobre este periodo corto.
0
2
4
6
8
10
12
14
16
18
0 5 10 15 20 25 30 35 40 45
E
m
b
a
r
q
u
e
s
Y
Permisos X
Embarques de conglomerado
Embarques de conglomerado (Y)
ADMINISTRACION DE OPERACIONES I
Unidad 1. Sistemas de produccin
2.1 Mtodos de pronsticos de la demanda
Ing. Jorge Enrique Vargas Martinez; MAD.
Se realizan los clculos como se muestra en la siguiente tabla
n X Y XY X
2
Y
2
1 15 6 90 225 36
2 9 4 36 81 16
3 40 16 640 1600 256
4 20 6 120 400 36
5 25 13 325 625 169
6 25 9 225 625 81
7 15 10 150 225 100
8 35 16 560 1225 256
Totales 184 80 2146 5006 950
Se calcula las medias aritmticas de X y Y
= X 23
= Y 10
Se calculan los valores de la pendiente b y la interseccin a:
=
2
2
X n x
XY n xy
b
) 23 )( 23 ( 8 5006
) 10 )( 23 ( 8 2146
= b
b = 0.395
x b Y a =
a = 10 0.395(23)
a = 0.915
Se plantea la ecuacin de la regresin
Y = a + bx
Y = 0.915 + 0.395X
Recordemos que X = permisos; Y = embarques.
Entonces, el nmero de embarques cuando el nmero de permisos de construccin es 30 se puede encontrar sustituyendo el valor
en la ecuacin.
X = 30
Y = 0.915 + 0.395(30)
Y = 12.76 13
El nmero de embarques ser de 13
aproximadamente.
- Desviacin estndar de la
regresin
Dados los datos de los permisos y
embarques calclese la desviacin
estndar de la regresin
En la siguiente grafica se muestra el
comportamiento de la desviacin
Por lo tanto, la desviacin estndar de la regresin es
Embarques de conglomerado
0
2
4
6
8
10
12
14
16
18
0 5 10 15 20 25 30 35 40 45
Permisos X
E
m
b
a
r
q
u
e
s
Y
Embarques de conglomerado
ADMINISTRACION DE OPERACIONES I
Unidad 1. Sistemas de produccin
2.1 Mtodos de pronsticos de la demanda
Ing. Jorge Enrique Vargas Martinez; MAD.
2
2
.
=
n
XY b Y a Y
S
X y
2 8
) 2146 )( 396 . 0 ( ) 80 )( 91 . 0 ( 950
.
=
X Y
S
=
X Y
S
.
2.2 embarques
Estimacin del intervalo
Desarrllese una prediccin de intervalo estimada de
95% para el nmero especfico de embarques que se realizar
cuando son emitidos 30 permisos de construccin durante el
trimestre anterior.
Donde el valor de t (de la tabla estadstica) para n-2 = 8-2 = 6
grados de libertad, y dnde segn tablas:
t = 2.447
Se debe calcular
2
) ( X X
X - X
(X X)
2
-8.00 64
-14.00 196
17.00 289
-3.00 9
2.00 4
2.00 4
-8.00 64
12.00 144
0.00 774
X= 30 permisos
+ + =
2
2
.
) (
) ( 1
1
X X
X X
n
S S
x y IND
=
+ + =
774
) 23 30 (
8
1
1 2 . 2
2
IND
S 2.40
Intervalo de prediccin = Y
C
t
S
IND
Intervalo de prediccin = 13 2.447 (2.40)
Intervalo de prediccin (inferior) = 13 5.87 = 7.1
Intervalo de prediccin (superior) = 13 + 5.87 = 18.9
7< Embarques < 19
S
IND
- Coeficiente de correlacin
( ) | || |
2 2
2
2
) (
=
Y Y n X X n
Y X XY n
r
| || |
2 2
) 80 ( ) 950 ( 8 ) 184 ( ) 5006 ( 8
) 80 )( 184 ( ) 2146 ( 8
= r
= =
7430400
2448
r 0.90
F. REGRESIN LINEAL CON FACTORES DE ESTACIONALIDAD
Este modelo de anlisis causal utiliza el modelo de regresin lineal simple pero considera factores de estacionalidad o ndices de
temporada para poder romper con la tendencia de los datos.
Procedimiento
Se hacen los clculos para la tabla de regresin lineal. Encontrar XY X
2
y Y
2
as como los totales correspondientes.
Bimestre Ventas Reales x^2 X*y y^2
Variable x Variable y
Ao 1 1 18,350 1 18,350 336,722,500
2 18,850 4 37,700 355,322,500
3 19,550 9 58,650 382,202,500
4 18,670 16 74,680 348,568,900
5 19,743 25 98,715 389,786,049
6 28,350 36 170,100 803,722,500
Ao 2 7 18,550 49 129,850 344,102,500
8 19,000 64 152,000 361,000,000
9 19,300 81 173,700 372,490,000
10 19,840 100 198,400 393,625,600
11 19,880 121 218,680 395,214,400
12 29,000 144 348,000 841,000,000
ADMINISTRACION DE OPERACIONES I
Unidad 1. Sistemas de produccin
2.1 Mtodos de pronsticos de la demanda
Ing. Jorge Enrique Vargas Martinez; MAD.
Ao 3 13 18,865 169 245,245 355,888,225
14 18,925 196 264,950 358,155,625
15 19,870 225 298,050 394,816,900
16 19,050 256 304,800 362,902,500
17 20,030 289 340,510 401,200,900
18 29,990 324 539,820 899,400,100
TOTALES 171 375,813 2,109 3,672,200 8,096,121,699
Empleando el mtodo de estacionalidad se pronostica para el
ao siguiente, para ello se calculan los siguientes parmetros
para ajustar la serie de datos.
- Se calcula el promedio de ventas por periodo
(bimestre, mensual, etc)
n
y
Y
=
Promedio de ventas por bimestre 20,879
- Se obtiene el promedio de ventas para el cada uno
de los periodos as como el factor de estacionalidad
para cada periodo (bimestre, mensual, etc)
Promedio de ventas por periodo =
+ + np p p p / ) 1 1 1 (
3 2 1
np=numero de periodos por serie
Promedio de ventas del primer bimestre 18,588
Factor de estacionalidad = promedio de ventas para el
periodo / promedio de ventas global.
Factor de estacionalidad del primer bimestre 0.890310
Promedio de ventas del segundo bimestre 18,925
Factor de estacionalidad del segundo bimestre 0.906435
Promedio de ventas del tercer bimestre 19,258
Factor de estacionalidad del tercer bimestre 0.922400
Promedio de ventas del cuarto bimestre 19,187
Factor de estacionalidad del cuarto bimestre 0.918968
Promedio de ventas del quinto bimestre 19,884
Factor de estacionalidad del quinto bimestre 0.952383
Promedio de ventas del sexto bimestre 29,113
Factor de estacionalidad del sexto bimestre 1.394417
Se calcula la pendiente de la recta de regresin, as como la
interseccin de la recta
=
2 2
) (X X n
Y X XY n
b
2
) 171 ( ) 2109 ( 18
) 375813 )( 171 ( ) 3672200 ( 18
= b
8721
1835577
= b
Pendiente de la recta de regresin b= 210.477812
5 . 9 18 / 171 = = X
X b Y a =
5 . 9 ) 47 . 210 ( 20879 = a
Interseccin de la recta de regresin a= 18,878.960784
Se pronostica la demanda empleando los componentes de la
regresin as como los ndices de estacionalidad de acuerdo
con la siguiente tabla; y se obtienen las ventas proyectadas al
sustituir los valores encontrados en la ecuacin de la recta.
Y=(a+bx)Ie
Y
1
=(18,878.960784 + 210.477812 (1))( 0.890310 )
Y
1
=16,996
Bimestre Ventas Interseccin Pendiente ndice Ventas
X reales Y A B estacional Proyectadas
1 18,350 18,878.960784 210.477812 0.890310 16,996
2 18,850 18,878.960784 210.477812 0.906435 17,494
3 19,550 18,878.960784 210.477812 0.922400 17,996
4 18,670 18,878.960784 210.477812 0.918968 18,123
5 19,743 18,878.960784 210.477812 0.952383 18,982
6 28,350 18,878.960784 210.477812 1.394417 28,086
7 18,550 18,878.960784 210.477812 0.890310 18,120
8 19,000 18,878.960784 210.477812 0.906435 18,639
9 19,300 18,878.960784 210.477812 0.922400 19,161
10 19,840 18,878.960784 210.477812 0.918968 19,283
11 19,880 18,878.960784 210.477812 0.952383 20,185
12 29,000 18,878.960784 210.477812 1.394417 29,847
13 18,865 18,878.960784 210.477812 0.890310 19,244
14 18,925 18,878.960784 210.477812 0.906435 19,784
15 19,870 18,878.960784 210.477812 0.922400 20,326
16 19,050 18,878.960784 210.477812 0.918968 20,444
17 20,030 18,878.960784 210.477812 0.952383 21,388
ADMINISTRACION DE OPERACIONES I
Unidad 1. Sistemas de produccin
2.1 Mtodos de pronsticos de la demanda
Ing. Jorge Enrique Vargas Martinez; MAD.
18 29,990 18,878.960784 210.477812 1.394417 31,608
19 18,878.960784 210.477812 0.890310 20,369
20 18,878.960784 210.477812 0.906435 20,928
21 18,878.960784 210.477812 0.922400 21,491
22 18,878.960784 210.477812 0.918968 21,604
23 18,878.960784 210.477812 0.952383 22,590
24 18,878.960784 210.477812 1.394417 33,369
Se ajusta la demanda para eventos de carcter cualitativo y se calculan las ventas proyectadas ajustadas.
Pretende dar una explicacin lgica y razonada a los efectos de la estacionalidad.
DM= (P1
2
/ P1
1
)-1+(P1
3
/ P1
2
)-1+(P1
n
/ P1
n-1
)-1
DM
1
= ((18550 /18350-1)+((18865/18550)-1) /2
DM
1
=
Bimestres Ventas "Desviacion" promedio Factor de
Ventas
proyectadas
Proyectadas de la demanda real ajuste de ajustadas
por periodo la demanda *
o
19 20,369 1.40% 1% 20,857
20 20,928 0.20% 0% 20,970
21 21,491 0.80% 1% 21,878
22 21,604 1.10% 1% 22,058
23 22,590 0.70% 1% 22,975
24 33,369 2.90% 3% 35,338
Total 84,392 85,763
Referencias bibliogrficas.
Riggs James L. Sistemas de produccin: planeacin, anlisis y control; 1 edicin, 7 reimpresin, Mxico D.F., Limusa, 1998, pp. 79
81.
Sipper Daniel / Bulfin Robert L., Planeacin y control de la produccin, 1 edicin, 1 impresin, Mxico D.F., Mc. Graw Hill, Junio
1999, pp. 124 -127, 132 133
Monks Joseph G. Administracin de operaciones, serie Schaum., 1 edicin, Mxico D.F., Mc. Graw Hill., p.p. 168 170, 179 180.