Facultad de Ingeniería, Arquitectura y Urbanismo

EAP de Ingeniería Industrial

Diseño y Gestión de
Plantas Industriales

Administración de la Demanda
Pronósticos – Métodos Causales
Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016
 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Objetivos de la Sesión

• Recordar el desarrollo del Método Causal para

el Análisis y Proyección de la demanda.
• Aplicar el Método Causal para el Análisis y
Proyección de la demanda.

Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016

 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Análisis de
Regresión y
Correlación
Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016
 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Análisis de Regresión y Correlación

• Es un modelo matemático que utiliza una línea recta
u otra función no lineal para describir las relaciones
funcionales entre las variables dependientes e
independientes.
• Su aplicación consiste en ajustar una recta
(exponencial, cuadrática, logarítmica, etc.) de
tendencia a una serie de datos históricos y después
proyectar la recta al futuro, para obtener los
pronósticos.
• La línea recta se obtiene, aplicando el Método de
Mínimos Cuadrados.

Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016

 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Análisis de Regresión Simple

Una recta de mínimos cuadrados, se expresa con la

siguiente ecuación:

𝑦 =a + bx
Donde:
y = Variable Dependiente
Valor calculado cuando “x” tome un valor.
a = Valor de la Ordenada (cuando “x” es igual a cero)
b = Pendiente de la Recta de Regresión (inclinación)
x = Variable Independiente (en este caso el tiempo)

Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016

 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Análisis de Regresión Simple

Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016

 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Análisis de Regresión Simple

Para hallar los valores de a y b, para cualquier recta de
regresión:

𝑥𝑦 − 𝑛𝑥𝑦 𝑎 = 𝑦 − 𝑏𝑥
𝑏=
𝑥2 − 𝑛 𝑥2

Donde:
n = Número de datos u observaciones
𝑥 = Media de los valores x
𝑦 = Media de los valores y
x = Variable Independiente (en este caso el tiempo)

Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016

 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Error Estándar de la Estimación

Es una medida de exactitud de las estimaciones de regresión.
Se conoce como la Desviación Estándar de la Regresión (Sy,x),
mide el error desde la variable dependiente, hasta la línea de
regresión, en lugar de hasta la media.

𝑦 − 𝑦𝑐 2 𝑦2 − 𝑎 𝑦 − 𝑏 𝑥𝑦
𝑆𝑦,𝑥 = 𝑆𝑦,𝑥 =
𝑛−2 𝑛−2

Donde:
y = valor de y para cada dato
𝑦𝑐 = valor de la variable dependiente, calculado a
partir de la ecuación de regresión
n = número de datos
Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016
 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Error Estándar de la Estimación

Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016

 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Coeficiente de Correlación
Medida que expresa el grado o intensidad de relación (causa-
efecto) entre dos variables.
El coeficiente de correlación se identifica por “r” y es un valor
entre +1 y -1 (-1 ≤ r ≤ +1)

𝑛 𝑥𝑦 − 𝑥 𝑦
𝑟=
𝑛 𝑥2 − 𝑥 2 𝑛 𝑦2 − 𝑦 2

Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016

 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Coeficiente de Determinación
Aunque el coeficiente de correlación es la medida más
comúnmente utilizada para describir la relación entre dos
variables, el coeficiente de determinación, se utiliza para
expresar el porcentaje de variación de la variable dependiente
(y) que se explica mediante la ecuación de regresión.

El coeficiente de determinación es, el cuadrado del coeficiente

de correlación, es decir, r2 y siempre será un valor entre 0 y +1.
(0 ≤ r2 ≤ +1)

Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016

 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Ejemplo: Análisis de Regresión Simple

En la siguiente tabla se muestra los costos por
mantenimiento de Fuselaje y Motor, por la media de una
flota de aeronaves. (Costo en miles de dólares)
Costo de Costo de
Edad media
Años Fuselaje Motores
(en horas)
por Aeronave por Aeronave
1987 51,8 43,49 6.512
1988 54,92 38,58 8.404
1989 79,7 51,48 11.077
1990 68,9 58,72 11.717
1991 63,72 45,47 13.275
1992 83,73 50,2 15.215
1993 78,74 79,6 18.390
Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016
 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Análisis de Regresión Simple

El gráfico de los datos, sería:

Horas media de Vuelo vs Costo por

Mantenimiento de Fuselaje
90

80

70

60

50

40

30

20

10

0
0 1 2 3 4 5 6 7 8

Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016

 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Análisis de Regresión Simple

Edad media Costo de
Periodo (en horas) Fuselaje por x2 xy y2
(x) Aeronave (y)
1 6.512 51,8 42,406,144 337.321,60 2.683,24
2 8.404 54,92 70,627,216 461.547,68 3.016,21
3 11.077 79,7 122,699,929 882.836,90 6.352,09
4 11.717 68,9 137,288,089 807.301,30 4.747,21
5 13.275 63,72 176,225,625 845.883,00 4.060,24
6 15.215 83,73 231,496,225 1.273.951,95 7.010,71
7 18.390 78,74 338,192,100 1.448.028,60 6.199,99
Sumatoria 84.590 481,51 1,118,935,328 6.056.871,03 34.069,69
Promedio 12.084.29 68,79

Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016

 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Análisis de Regresión Simple

6.056.871,03 − 7 (12.084,29)(68,79) 𝑥𝑦 − 𝑛𝑥 𝑦
b=
1.118.935.328 − (7)(12.084,292 )
𝑏=
𝑥2 − 𝑛 𝑥2
𝑏 = 0,00246

𝑎 = 68,79 − (0,00246)(12.084,29) 𝑎 = 𝑦 − 𝑏𝑥
𝑎 = 39,063

La Ecuación sería: 𝑦 = 39,063 + 0,00246𝑥

𝐶𝑜𝑠𝑡𝑜 𝑑𝑒 𝐹𝑢𝑠𝑒𝑙𝑎𝑗𝑒 = 39,063 + 0,00246 𝐸𝑑𝑎𝑑 𝑀𝑒𝑑𝑖𝑎

Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016

 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Análisis de Regresión Simple

Si la edad media de las aeronaves fuera de 20.000 horas, cual
sería el costo de fuselaje:
Costo de Fuselaje =39,063 + 0,00246 (20.000)
Costo de Fuselaje = 88,263 miles de dólares

𝑦2 − 𝑎 𝑦 − 𝑏 𝑥𝑦
𝑆𝑦,𝑥 =
𝑛−2

34.069,69 − (39,063)(481,51) − (0,00246)(6.056.871,03)

𝑆𝑦,𝑥 =
7−2

𝑆𝑦,𝑥 = 8,49 El error estándar de estimación es, por tanto, 8,49

miles de dólares o de 8.490 dólares
Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016
 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Análisis de Regresión Simple

𝑛 𝑥𝑦 − 𝑥 𝑦
𝑟=
𝑛 𝑥2 − 𝑥 2 𝑛 𝑦2 − 𝑦 2

7 6.056.871,03 − (84.590)(481,51)
𝑟=
(7)(1.118.935.328) − 84.590 2 7 34.069,69 − 481,51 2

𝑟 = 0.7865 Este valor de correlación, indica una correlación

poca significativa y ayuda confirmar cierta
relación entre las variables.

𝑟 2 = 0.6186 Indica que el 61.86% de variación total se explica

a través de la ecuación de regresión.

Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016

 Facultad de Ingeniería, Arquitectura y Urbanismo
EAP de Ingeniería Industrial

Ing. Joel Vargas Sagástegui

Ingeniero Industrial
CIP 48252
Ing. Joel D. Vargas Sagástegui Fecha: 26 de abril de 2016