Practica N°3 Pronosticos

PRACTICA N 02
PLANEAMIENTO Y CONTROL DE LA
PRODUCCION
ESTADISTICA DESCRIPTIVA DEL PROCESO

I.
OBJETIVO
Analizar e interpretar el comportamiento de la demanda

Aplicar los modelos para el tratamiento de demanda con tendencia y estacionales.
II.
TEMAS A TRATAR
Mtodo de Regresin de Mnimos Cuadrados.

Mtodo de Regresin Exponencial
III.
DURACIN DE LA PRACTICA
2 horas.
IV.
MARCO TEORICO
1. CORRELACIN
Ing. Vanessa Nieto Pea
Pgina
2
1.1. Coeficiente de correlacin lineal de Pearson
Es una medida del grado de asociacin lineal entre las variables X e Y. Es un nmero abstracto y
se representa por r:
La correlacin es el mtodo es el mtodo empleado para determinar el grado de relacionamiento

entre las variables que se estudian, para as determinar en que medida una relacin funcional
describe o explica de una forma adecuada la relacin entre estas dos variables Se usa el trmino
correlacin cuando se habla de relaciones entre variables de experimentos bivariantes.
Los diversos tipos de correlacin que existen pueden ser:
Donde:
SXY = Covarianza de X e Y.
s X = Desviacin estndar de X.
s Y = Desviacin estndar de Y.
Propiedades
r est siempre comprendido entre -1 y 1.
Si r = 1 r = -1 entonces los puntos de la muestra estn situados en lnea recta
(correlacin lineal perfecta).
Si r est prximo a 1 a -1, habr una asociacin lineal fuerte entre ambas variables.
Si r es cercano a 0, habr una asociacin lineal muy dbil.
r no vara cuando en las variables se realiza un cambio de escala o de origen. Esto
demuestra que r no tiene dimensin.
1.2. Dos consideraciones sobre el coeficiente de correlacin.
a) Se trata de una medida matemtica que luego hay que interpretar. Aunque un alto grado
de correlacin indique buena aproximacin a un modelo matemtico lineal, su
interpretacin puede no tener ningn sentido. Por ejemplo puede haber un alto grado de
correlacin entre las ventas de celulares y el consumo de alcohol en Arequipa, pero
ambas variables estn claramente disociadas.
b) Aunque el grado de correlacin sea cercano a cero (pobre aproximacin al modelo
lineal) eso no significa que no haya relacin entre las dos variables. Puede ser que dicha
relacin sea no lineal.
2. COEFICIENTE DE DETERMINACIN
Pgina
El coeficiente de determinacin se calcula elevando al cuadrado el coeficiente de correlacin y

representa el porcentaje de la variacin explicada por la recta de regresin.
El coeficiente de determinacin r2, es una medida de la proximidad del ajuste de la recta de
regresin; cuanto mayor sea el valor de r2, mejor ser el ajuste y mas til la recta de regresin
como instrumento de prediccin. (r2 = 0.92 indica que de 100 pares de puntos 92 estn en la
recta de regresin y 8 fueran de la recta de regresin)
Cuando el n es pequeo se debe calcular el coeficiente de determinacin corregido.
3. MTODO DE MNIMOS CUADRADOS PARA ENCONTRAR LA ECUACIN DE

REGRESIN
Recordemos que el anlisis de regresin lo que persigue es determinar la relacin funcional de la
variable dependiente Y con respecto a la variable independiente X con el fin de predecir valores
de Y.
A continuacin desarrollaremos un modelo matemtico (ecuacin de la lnea) para expresar la
relacin entre dos variables y para estimar el valor de la variable dependiente Y basndonos en
el valor de la variable independiente X. La tcnica que se utiliza para desarrollar la ecuacin de
la lnea y hacer estas predicciones, se le llama anlisis de regresin.
El principio matemtico con base con el cual se traza la ecuacin de la lnea y se predicen los
valores de Y, se conoce con el nombre de mnimos cuadrados. Este principio consiste en trazar
una lnea sobre la grfica de dispersin de los valores de modo que la suma de los cuadrados de
la distancia vertical entre el valor real de Y y su valor predictorio, sea la cantidad ms pequea
posible.
Entonces la ecuacin lineal que se tiene que encontrar es:
Donde:
Y * = Se lee Y asterisco, es el valor predictorio de la variable Y para un valor seleccionado de
X.
a = Es la interseccin con el eje Y. Es el valor estimado de Y cuando X = 0.
b = Es la pendiente de la lnea, o el cambio promedio en Y* por cada cambio en una
unidad de la variable independiente X.
X = Es el valor que se escoge para la variable independiente.
A los valores a y b se les conoce como coeficientes de regresin y se calculan con las
siguientes frmulas:
PROCESO ESTACIONAL
Pgina
Tipos de variacin estacional:

Variacin Estacional Multiplicativa; la tendencia se multiplica por los factores de
estacionalidad.
Variacin Estacional Aditiva; supone que la cantidad estacional es constante
independientemente de la cantidad de la tendencia o la del promedio.
Factor de Estacionalidad, es la correccin que se requiere para ajustar una serie de tiempo
a la estacin del ao.
Cuando la demanda contiene efectos de tendencia y estacinales, se determina la relacin

entre ambos, a travs de la variacin estacional.
4.2
DESCOMPOSICIN POR REGRESIN DE MINIMOS CUADRADOS
Significa encontrar los componentes bsicos de la tendencia, estacionalidad y cclica.

PASO 1: Determinar el factor de estacionalidad
Se obtiene un promedio para cada trimestre (los mismos trimestres por decir trimestres I)
Se obtiene el factor de estacionalidad, al dividir este promedio de cada trimestre entre el
promedio general de todos los trimestres.
PASO 2: Desestacionalizar los datos originales.
Dividimos los datos originales entre el factor de estacionalidad.
PASO 3: Desarrollar una lnea de regresin de mnimos cuadrados para los datos
desestacionalizados.
PASO 4: Proyectar la lnea de regresin para el periodo que se pronostica.
PASO 5: Crear el pronstico final ajustando la lnea de regresin con el factor de estacionalidad.
4.3
RANGOS DE LOS PRONSTICOS
Cuando el anlisis de regresin lineal genera pronsticos para periodos futuros, stos son slo
estimaciones y por lo tanto estn sujetos a error. La presencia de errores de pronstico o de
variaciones al azar es un hecho para quienes pronostican; el pronstico es un proceso que est
inmerso en la incertidumbre. Una manera de tratar esta incertidumbre es desarrollando intervalos
de confianza para los pronsticos.
s xy
a y b xy
n2
La expresin syx, se conoce como error estndar del pronstico o desviacin estndar del
pronstico, y es una medida de la manera en que han quedado dispersos a uno y otro lado de la
lnea de tendencia los puntos de datos histricos. Si s yx es pequeo en relacin con el
pronstico, los puntos de datos pasados han quedado agrupados muy cerca de la lnea de
tendencia y los lmites superior e inferior se acercan entre si. Y los lmites se calculan asi:
Pgina
Lmite superior = Y* + t syx

Lmite inferior = Y* - t syx
Ejemplo.- La Generox, Inc, ha estado produciendo durante 5 aos herramientas especiales

manuales para clavar. La planta ha operado casi a su capacidad durante los ltimos 2 aos. Se
necesitan pronsticos para programar la produccin del prximo ao y para suministrar
estimaciones a fin de planear la expansin futura de los medios de produccin. Se han tabulado
los registros de ventas para los 5 aos, en trimestres, como se indica en la tabla 1.1
Tabla 1.1: Ventas trimestrales en miles de dlares.
Ao
Trimestre I
Trimestre II
Trimestre III
Trimestre IV
Totales
2010
190
370
300
220
1080
2011
280
420
310
180
1190
2012
270
360
280
190
1100
2013
300
430
290
200
1220
2014
320
440
320
220
1300
Solucin por mnimos cuadrados.

La lnea recta est definida por la ecuacin
y= a +bx
y = valor pronosticado
a = el valor de y en el punto base desviacin
b = la pendiente de la recta.
Se emplean 2 ecuaciones para determinar a y b.
a = ( y - b x ) / n
n xy - x y
b = -------------------n x - ( x)
Formula del pronstico:
y = a + bx
Ao
2010
2011
2012
2013
2014
Sumatoria
y
1
2
3
4
5
15
x2
108
119
110
122
130
589
xy
1
4
9
16
25
55
(5 * 1814) (15 * 589)

b = -----------------------------------(5 * 55) (15)2
= 4.7
a = (589 (4.7* 15)) / 5
= 103.7
108
238
330
488
650
1814
= 131.9
Pgina
y = 103.7 + 4.7(6)
El pronstico para 2015 est a 6 aos del punto base
Otra forma se calcular la demanda para 2015 sera:

Cambiando el punto base de 2010 a 2014
Ao
2010
2011
2012
2013
2014
Sumatoria
y
-2
-1
0
1
2
0
x2
108
119
110
122
130
589
xy
4
1
0
1
4
10
-216
-119
0
122
260
47
Los cuales permiten que a y b se calculen como:

a=
y 589
----- = ---- = 117,8
n
5
xy
47
b = ----- = ----- = 4,7
x
10
El pronstico para 2012 est a 3 aos del punto base
y = 117.8 + 4.7(3)
= 131.9
Mtodo de regresin exponencial, algunas veces una curva suave suministra un mejor ajuste
para los datos que una lnea recta. La curva esta dada por: Y = ab x, y vara con la tasa
constante b en cada periodo, para esto convertimos la ecuacin exponencial a su forma
logartmica:
log y = log a + x log b
(log y) - x (log b)
log a = -------------------------N
n (xlog y) - x (log y)
log b = -------------------------------N x - ( x)
Cuando el punto base se escoge para hacer x=0, la solucin se reduce a calcular
(log y)
log a = ---------N
y
-2
-1
0
x2
108
119
110
4
1
0
Log y
2,0334
2,0755
2,0414
x Log y
-4,0668
-2,0755
0,0000
Pgina
Ao
2008
2009
2010
(x log y)
log b = ----------- x
2011
2012
Sumatorias
1
2
0
122
130
589
1
4
10
2,0864
2,1139
10,3507
2,0864
4,2279
0,1719
Debido a que x = 0, podemos resolver para a y b en la forma siguiente:

(log y )
10,3506
log a ------------ = -------- = 2,0701
N
5
a = ant.log (2,07) = 117,5
y, por tanto,
a = 117,5
(x log y) 0,1719
log b = ----------- = -------- = 0,0172
x
10
b = ant.log(0,172) = 1,0404
En esta forma, la ecuacin de pronsticos es
log y = 2,0701 + 0,0172x
y = 117,5 + (1,0404)x
y = 132
V.
1.
ACTIVIDADES
Industrias Nina creci casi 50% el ltimo ao debido a la gran demanda que tuvieron los
reproductores de discos compactos entre los corredores. Como el nmero de corredores va
en aumento, Nina espera que tambin aumente la demanda de los reproductores, ya que
hasta la fecha no hay ningn reglamento de seguridad que evite que los usen los
corredores. El ao pasado, la demanda de unidades fue:
Mes
Enero
Febrero
Marzo
Abril
Mayo
Junio
Demanda
(unidades)
4 200
4 300
4 000
4 400
5 000
4 700
Mes
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Demanda
(unidades)
5 300
4 900
5 400
5 700
6 300
6 000
La Molinera Valencia, tena grandes contratos para la comercializacin de azcar. En los

ltimos aos el mercado se ha reducido por el ingreso de otros competidores en la
comercializacin de este producto. Por lo que la compaa le encomienda la tarea de
pronosticar el prximo ao, para realizar la importacin del producto. La demanda para los
12 ltimos trimestre se muestra a continuacin. Use la tcnica ms adecuada para
pronosticar los cuatro trimestre de 2002.
Pgina
2.
a) Use el anlisis de regresin de mnimos cuadrados; Cul sera su pronstico de la demanda

para cada mes del prximo ao.
Trimestre
I
II
II
IV
3.
Ao 2000
3500
2700
3500
2400
Ao 2001
3200
2100
2700
1700
Prepare un pronstico para cada trimestre del prximo ao a partir de la informacin de

ventas trimestrales de los ltimos aos, que se presentan a continuacin. Suponga que
existen factores de tendencia y de estacionalidad y que el ciclo de estacionalidad dura un
ao.
Trimestre
1
2
3
4
VI.
Ao 1999
4800
3500
4300
3000
Ventas
160
195
150
140
Trimestre
5
6
7
8
Ventas
215
240
205
190
EJERCICIOS
1. LANDA SRLtda. produce carcasas para estabilizadores utilizados en la venta de

computadoras. Rodrigo Gonzales, gerente de planta, estima que el crecimiento de las ventas
continuara y desea desarrollar un pronstico a largo plazo que se utilizara para planear las
necesidades de las instalaciones para los siguientes tres aos. Se han totalizado las ventas
correspondientes a los ltimos 10 aos:
a) Elaborar un diagrama de dispersin y sacar conclusiones.

b) Hallar el coeficiente de correlacin y determinacin e interpretar los resultados.
c) Encontrar la ecuacin de regresin lineal por el mtodo de mnimos cuadrados.
Pgina
a) Elaborar el diagrama de dispersin.

b) Hallar el coeficiente de correlacin y determinacin e interpretar los resultados.
c) Encontrar la ecuacin de regresin por el mtodo de mnimos cuadrados, con tendencia lineal,
exponencial y parablica, cuando los vendedores sean 10.
2. Industrias Peruanas S.A., es una empresa que se dedica a la produccin y comercializacin

de artculos para limpieza en todo el territorio peruano, cuenta con agencias en 10 ciudades del
pas, a continuacin se presenta la cantidad de vendedores por agencia que posee esta
empresa.
3.
La carpintera New House desea realizar sus pronsticos de ventas para el siguiente
mes, sugiera el pronstico requerido. Cul sera su pronstico, su nivel de error y su correlacin.
Pgina
a) Efectu un anlisis de regresin simple para pronosticar el nmero de apartamentos

arrendados, con base nicamente en inscripciones en la universidad. Cul es su pronstico, si
se espera que las inscripciones sean 6,600 estudiantes? Qu porcentaje de variacin en el
nmero de unidades arrendadas queda explicado por inscripciones en la universidad?
b) Realice un anlisis de regresin simple para pronosticar el nmero de apartamentos
arrendados con base nicamente en el precio promedio de arrendamiento. Cul es su
pronstico, si el precio promedio de arrendamiento es de 455 dlares? Qu porcentaje de
variacin en la cantidad de unidades arrendadas queda explicado por el precio promedio de
arrendamiento?
c) Efectu un anlisis de regresin mltiple para pronosticar el nmero de apartamentos
arrendados, con base tanto en inscripciones a la universidad como en el precio promedio de
arrendamiento. Cul es su pronstico, si las inscripciones a la universidad se espera sean de
6,500 estudiantes y el precio promedio de arrendamiento de 465 dlares? Qu porcentaje de la
4. Chasewood Apartmentes es un complejo habitacional de 300 unidades cerca de Fairway

University, y atrae principalmente a estudiantes universitarios. La gerente sospecha que
la cantidad de unidades arrendadas durante cada semestre esta influida por el nmero
de estudiantes que se inscriben en la universidad. Adems sospecha que la cantidad de
unidades arrendadas tambin pudiera ser afectada por el precio promedio de renta de
los departamentos. Se ha recolectado la siguiente informacin:
variacin en el nmero de unidades arrendadas queda explicado por este modelo?
VII.
VIII.
CUESTIONARIO
1. Cul es la lgica del mtodo de mnimos cuadrados en el anlisis de regresin lineal?
2. Cul es la principal desventaja de la proyeccin diaria mediante la utilizacin del
anlisis de regresin?
3. Que es la estacionalidad en los pronsticos de series de tiempo?
BIBLIOGRAFA
Pgina
10
1. Chase, Jacobs y Aquilano. 2009. Administracin de la Produccin y Operaciones. Ed. Mc

Graw Hill.
2. Norman Gaither y Greg Fraizer. 2000. Administracin de la Produccin y Operaciones.
International Thomson Editores S.A.

Practica N°3 Pronosticos

Cargado por

Copyright:

Formatos disponibles

Practica N°3 Pronosticos

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Practica N°3 Pronosticos

Cargado por

Copyright:

Formatos disponibles

PRACTICA N 02

ESTADISTICA DESCRIPTIVA DEL PROCESO

Analizar e interpretar el comportamiento de la demanda

Mtodo de Regresin de Mnimos Cuadrados.

Ing. Vanessa Nieto Pea

La correlacin es el mtodo es el mtodo empleado para determinar el grado de relacionamiento

El coeficiente de determinacin se calcula elevando al cuadrado el coeficiente de correlacin y

Ing. Vanessa Nieto Pea

3. MTODO DE MNIMOS CUADRADOS PARA ENCONTRAR LA ECUACIN DE

Ing. Vanessa Nieto Pea

Tipos de variacin estacional:

Cuando la demanda contiene efectos de tendencia y estacinales, se determina la relacin

DESCOMPOSICIN POR REGRESIN DE MINIMOS CUADRADOS

Significa encontrar los componentes bsicos de la tendencia, estacionalidad y cclica.

RANGOS DE LOS PRONSTICOS

Lmite superior = Y* + t syx

Ing. Vanessa Nieto Pea

Ejemplo.- La Generox, Inc, ha estado produciendo durante 5 aos herramientas especiales

Solucin por mnimos cuadrados.

(5 * 1814) (15 * 589)

a = (589 (4.7* 15)) / 5

El pronstico para 2015 est a 6 aos del punto base

Ing. Vanessa Nieto Pea

Otra forma se calcular la demanda para 2015 sera:

Los cuales permiten que a y b se calculen como:

Debido a que x = 0, podemos resolver para a y b en la forma siguiente:

La Molinera Valencia, tena grandes contratos para la comercializacin de azcar. En los

Ing. Vanessa Nieto Pea

a) Use el anlisis de regresin de mnimos cuadrados; Cul sera su pronstico de la demanda

Prepare un pronstico para cada trimestre del prximo ao a partir de la informacin de

1. LANDA SRLtda. produce carcasas para estabilizadores utilizados en la venta de

a) Elaborar un diagrama de dispersin y sacar conclusiones.

a) Elaborar el diagrama de dispersin.

2. Industrias Peruanas S.A., es una empresa que se dedica a la produccin y comercializacin

Ing. Vanessa Nieto Pea

Ing. Vanessa Nieto Pea

a) Efectu un anlisis de regresin simple para pronosticar el nmero de apartamentos

4. Chasewood Apartmentes es un complejo habitacional de 300 unidades cerca de Fairway

variacin en el nmero de unidades arrendadas queda explicado por este modelo?

1. Chase, Jacobs y Aquilano. 2009. Administracin de la Produccin y Operaciones. Ed. Mc

Ing. Vanessa Nieto Pea

También podría gustarte