Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
CONTROL DE PRODUCCION
EJERCICIOS DE REGRESION LINEAL SIMPLE Y MULTIPLE
Preparado por:
Código: 4009018169
Presentado a:
CORPORACIÓN
CORPORACIÓN UNIVERSITARIA DEL HUILA CORHUILA
INGENIERÍA INDUSTRIAL
A partir de estos datos, se le pide que determine para esta distribución las curvas de
regresión de Y sobre X y de X sobre Y.
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
N
Ʃ 84 90 85 79 13 351 Ó
I
S
E
R
G
E
R
x= Número de Accidentes que han sufrido E
D
y= Edad S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
2
CONTROL DE PRODUCCIÓN
RESUMEN DE DATOS
CANTIDAD EDAD No.
PERSONAS PROMEDIO 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
Gráficas
70
60
s 50
a
n
o
s
r
e 40
P
e
d
d 30
a
d
i
t
n
a 20 N
C
Ó
I
S
E
10 R
G
E
R
0 E
D
0 0,5 1 1,5 2 2,5 S
O
I
No. de Accidentes que han sufrido C
y = 1,105x + 40,493 I
C
R
E
J
E
:
R
E
L
L
A
T
3
CONTROL DE PRODUCCIÓN
2,5
o
d
i
r
f 2
u
s
n
a
h
e 1,5
u
q
s
e
t
n
e 1
d
i
c
c
A
e
d
. 0,5
o
N
0
0 10 20 30 40 50 60 70
Cantidad de Personas
y = 0,0013x + 0,0801
4
CONTROL DE PRODUCCIÓN
Año 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
450,0
s 400,0
e
t
n
e
i
r
r 350,0
o
C
s
o 300,0
i
c
e
r
P
a 250,0
s
e
r
a 200,0
g
o
h
l
a 150,0
n
i
f
o
m100,0 N
u
s Ó
I
n S
o E
C 50,0 R
G
E
- R
E
- 100,0 200,0 300,0 400,0 500,0 600,0 700,0 D
S
Renta nacional disponible neta O
I
y = 0,6834x - 1,5973 C
I
C
R
E
J
E
:
R
E
L
L
A
T
5
CONTROL DE PRODUCCIÓN
Y a bX
a 1,5973
b 0,6834
c) La predicción del valor del consumo para una renta de 650.000 millones de Euros
se calculara con la ecuación y 0,6834 1,5973, expresando en miles de
y 0,6834 1,5973
y 0,6834650,1 1,5973
y ,
N
Ó
I
S
Por lo tanto la respuesta estará dada por 442.600 millones de Euros (€) en el E
R
G
E
consumo final de los hogares a precios corrientes. R
E
D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
6
CONTROL DE PRODUCCIÓN
N
Ó
I
S
E
R
G
E
R
E
D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
7
CONTROL DE PRODUCCIÓN
s 1
o
u
d
i 0
s
e - 100,0 200,0 300,0 400,0 500,0 600,0 700,0
R
-1
-2
Variable X 1
3. Se supone que se puede establecer cierta relación lineal entre las exportaciones de
un país y la producción interna de dicho país. En el caso de España, tenemos los
datos anuales (expresados en miles de millones de pesetas) para tales variables
correspondientes al quinquenio 1992-96 en la siguiente tabla:
8
CONTROL DE PRODUCCIÓN
Gráfica
25.000
20.000
s
e
n 15.000
o
i
c
a
t
r
o
p 10.000
x
x
E
5.000 N
Ó
I
S
E
R
G
- E
R
- 10.000 20.000 30.000 40.000 50.000 60.000 70.000 E
D
Producción S
y = 0,6466x - 23154 O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
9
CONTROL DE PRODUCCIÓN
Reemplazamos en la ecuación:
y 0,6466 23154
y 0,646652106,1 23154
y , !
10
CONTROL DE PRODUCCIÓN
y 0,6466 23154
Despejamos x,
69045,704 23154
0,6466
#,
11
CONTROL DE PRODUCCIÓN
N
Ó
I
S
E
R
G
E
R
E
D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
12
CONTROL DE PRODUCCIÓN
1988 22 19
1989 25 20
1990 26 22
1991 27 23
1992 29 24
1993 30 26
a) ¿Se incrementarán las ventas del período siguiente al aumentar los gastos en
publicidad del período actual?
b) ¿Es adecuado suponer que el ajuste entre estas variables es efectivamente lineal
teniendo en cuenta los valores de las variables? N
Ó
I
S
E
R
G
E
c) ¿Cuál será la predicción de las ventas para 1994? ¿Qué precisión tendrá ese R
E
D
pronóstico? S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
13
CONTROL DE PRODUCCIÓN
El cuadro de datos que nos brinda el ejercicio refleja los gastos en Publicidad en
sus respectivos años, sin embargo, dicha inversión no se verá reflejada sino en el
año inmediatamente después, es decir, los gastos de publicidad para el año
1.987 fueron de 21, por lo tanto , para el año 1.988 las ventas serán de 19. De
esta forma hemos optado por reajustar la información en el cuadro
correspondiente, obteniendo los datos que se observan a continuación:
1987 21 19
1988 22 20
1989 25 22
1990 26 23
1991 27 24
1992 29 26
1993 30 26,57
14
CONTROL DE PRODUCCIÓN
Años Años
Gastos (x) Ventas (y)
Gastos Ventas
1987 21 1988 19
1988 22 1989 20
1989 25 1990 22
1990 26 1991 23
1991 27 1992 24
1992 29 1993 26
1993 30 1994 26,57
1994 33 1995 29,11
Gráfica
30
25
20
S
A
T 15
N
E
V
10
0
N
0 5 10 15 20 25 30 35 Ó
I
S
GASTOS y = 0,8478x + 1,1377 E
R
G
E
R
E
D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
15
CONTROL DE PRODUCCIÓN
y 0,8478 1,1377
y 0,847830 1,1377
y ,
Para el periodo de 1.993 los gastos de publicidad poseen un valor de 30, por lo
que dicha inversión se verá reflejado en el año inmediatamente siguiente, por lo
tanto las ventas para el período de 1.994 serán de 26,57.
Gastos 1.994 = 33
N
Ó
I
S
E
y 0,8478 1,1377 R
G
E
R
E
D
y 0,847833 1,1377 S
O
I
C
I
C
R
y #, E
J
E
:
R
E
L
L
A
T
16
CONTROL DE PRODUCCIÓN
c) La predicción de las ventas para 1.994 es de 26,57. El modelo que nos presenta
el ejercicio será bastante preciso ya que los residuos son casi nulos, los valores
oscilan o son muy cercanos a 0. Observar gráfico de los residuales.
N
Ó
I
S
E
R
G
d) Para el año 1.994 se incremento en un 10% los gastos de Publicidad, por lo que E
R
E
en el año 1.995 de observaron unas ventas de 29,11. Es decir, 2,54 más alta con D
S
O
I
respecto a las ventas de 1.994 que fueron de 26,57. C
I
C
R
E
J
E
:
R
E
L
L
A
T
17
CONTROL DE PRODUCCIÓN
N
Ó
I
S
E
R
G
E
R
E
D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
18
CONTROL DE PRODUCCIÓN
Distribuciones tridimensionales:
19
CONTROL DE PRODUCCIÓN
c) ¿Cuál de las dos variables explicativas está más correlacionada con la entrada de
turistas?
a) En la gráfica siguiente podemos observar que existe una relación del PIB per
cápita que incide en la cantidad de turistas en España, y precisamente es que a
mayor PIB per cápita, mayor será la cantidad de turistas que ingresan a España.
3000000
2500000
2000000
s
a
t
s
i
r
u 1500000
T
.
o
N
1000000 N
Ó
I
S
E
500000 R
G
E
R
0 E
D
0,0 1,0 2,0 3,0 4,0 5,0 S
O
I
PIB per cápita (103 €) C
I
C
R
E
J
E
:
R
E
L
L
A
T
20
CONTROL DE PRODUCCIÓN
3000000
2500000
2000000
s
a
t
s
i
r
u 1500000
T
.
o
N
1000000
500000
0
0 500 1000 1500 2000 2500 3000 3500
Distancia Km.
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 está información
podemos afirmar que en determinado caso si hubiesen otros factores que
afectarán la entrada de turistas a España, esto podría incidir considerablemente N
Ó
I
en los resultados del modelo anteriormente expuesto. S
E
R
G
E
R
E
D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
21
CONTROL DE PRODUCCIÓN
N
Ó
I
S
E
R
G
E
R
E
D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
22
CONTROL DE PRODUCCIÓN
50000
s
o
u
d
i 0
s
e 0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5
R
-50000
-100000
Variable X 1
23
CONTROL DE PRODUCCIÓN
N
Ó
I
S
E
R
G
E
R
E
D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
24
CONTROL DE PRODUCCIÓN
N
Ó
I
S
E
R
G
E
R
E
D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
25
CONTROL DE PRODUCCIÓN
400000
s
o 200000
u
d
i
s
e 0
R
0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5
-200000
-400000
Variable X 1
100000
s 0 N
o Ó
u I
d
i 0 500 1000 1500 2000 2500 3000 3500 S
s E
e R
R-100000 G
E
R
E
-200000 D
S
O
I
-300000 C
I
Variable X 1 C
R
E
J
E
:
R
E
L
L
A
T
26
CONTROL DE PRODUCCIÓN
CAMPAÑA X1 X2
89/90 80 120
90/91 95 145
91/92 83 108
92/93 75 90
93/94 72 85
Este agricultor, que es pesimista como la mayoría de los de su sector, piensa que la
pertinaz sequía va a continuar para la próxima campaña 94/95, y que la cantidad de N
Ó
I
lluvia para esa campaña va a ser la misma que la recogida en la campaña anterior. S
E
R
Desde este supuesto, ¿qué predicción haría para la producción de la campaña G
E
R
E
venidera? ¿Qué fiabilidad otorgaría a tal predicción? Si pensara que la cantidad de D
S
lluvia recogida aumentase en un 1%, ¿cuál sería dicha predicción? O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
27
CONTROL DE PRODUCCIÓN
(Y) (X)
CAMPAÑA X1 X2
89/90 80 120
90/91 95 145
91/92 83 108
92/93 75 90
93/94 72 85
94/95
Gráfica
100
90
80
o
r
u 70
d
o
g
i 60
r
T
e
d 50
n
ó
i
c 40
c
u
d
o
r 30
P
20
N
Ó
I
10 S
E
R
0 G
E
0 20 40 60 80 100 120 140 160 R
y = 0,34x + 42,76 E
D
Cantidad de lluvia S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
28
CONTROL DE PRODUCCIÓN
Reemplazamos en la fórmula,
" ,
(Y) (X)
CAMPAÑA X1 X2
89/90 80 120
90/91 95 145
91/92 83 108
92/93 75 90 N
Ó
I
S
93/94 72 85 E
R
G
94/95 71,66 85 E
R
E
D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
29
CONTROL DE PRODUCCIÓN
" , #
(Y) (X)
CAMPAÑA 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
N
Ó
I
S
E
R
Por lo tanto, la predicción de la producción para la campaña 94/95, si las lluvias G
E
R
E
aumentan un 1% es de 71,94. D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
30
CONTROL DE PRODUCCIÓN
N
Ó
I
S
E
R
G
E
R
E
D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
31
CONTROL DE PRODUCCIÓN
2
s
o 0
u
d
i 0 20 40 60 80 100 120 140 160
s
e -2
R
-4
-6
Variable X 1
Semestre X2 X3 X1
2°de 1994 1'5 15 13
1°de 1995 1'7 17 41
2°de 1995 2 19 16 N
1°de 1996 2'3 20 47 Ó
I
S
E
2°de 1996 2'5 23 19 R
G
E
1°de 1997 3 25 55 R
E
2°de 1997 3'5 26 22 D
S
1°de 1998 4 29 63 O
I
C
I
2°de 1998 4'3 31 25 C
R
E
1°de 1999 4'5 34 65 J
E
:
R
E
L
L
A
T
32
CONTROL DE PRODUCCIÓN
Observando los datos, nos damos cuenta que las ventas correspondientes al primer
semestre son siempre mucho mayores que las del segundo semestre del mismo año.
Para recoger este aspecto, se decidió introducir una nueva variable explicativa X4, cuyo
valor sería uno si el dato corresponde al primer semestre, y cero en caso contrario.
Utilizando esta variable adicional:
33
CONTROL DE PRODUCCIÓN
N
Ó
I
S
E
R
G
E
R
E
D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
34
CONTROL DE PRODUCCIÓN
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
N
10 55,78067688 9,219323123 Ó
I
S
E
R
G
E
R
E
D
a) Observando el coeficiente de correlación múltiple podemos evidenciar que este S
O
I
C
se encuentra con un valor de 0.52, y debemos saber que este me indica la I
C
R
E
viabilidad del modelo que estoy utilizando, siendo el valor ideal 1, o en su defecto J
E
:
R
E
L
L
A
T
35
CONTROL DE PRODUCCIÓN
un valor que se acerque al mismo. Por lo tanto, concluimos que el valor reflejado
se encuentra en un rango muy por debajo del nivel ideal, por lo que sería poco
viable.
Semestre X2 X3 X4 X1
2°de 1994 1,5 15 0 13
1°de 1995 1,7 17 1 41
2°de 1995 2,0 19 0 16
1°de 1996 2,3 20 1 47
2°de 1996 2,5 23 0 19
1°de 1997 3,0 25 1 55
N
Ó
2°de 1997 3,5 26 0 22 I
S
E
R
1°de 1998 4,0 29 1 63 G
E
R
2°de 1998 4,3 31 0 25 E
D
S
1°de 1999 4,5 34 1 65 O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
36
CONTROL DE PRODUCCIÓN
N
Ó
I
S
E
R
G
E
R
E
D
S
O
I
C
I
C
R
E
J
E
:
R
E
L
L
A
T
37
CONTROL DE PRODUCCIÓN
-4
-6
Variable X 2
38
CONTROL DE PRODUCCIÓN
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
39