Lab PCOPronosticosCausales20191
Lab PCOPronosticosCausales20191
Lab PCOPronosticosCausales20191
1. Se cree que los viajes en autobús y metro durante los meses de verano en Lima están estrechamente
relacionados con el número de turistas que visitan la ciudad. Durante los últimos 12 años se ha obtenido
la siguiente información:
2. Una compañía administra a sus vendedores en capacitación una prueba de ventas antes de salir a
trabajar. La administración de la compañía está interesada en determinar la relación entre las
calificaciones de la prueba y las ventas logradas por esos vendedores al final de un año de trabajo. Se
recolectaron los siguientes datos de 10 agentes de ventas que han estado en el campo un año.
Numero vendedor 1 2 3 4 5 6 7 8 9 10
Calificación vendedor (T) 2.6 3.7 2.4 4.5 2.6 5.0 2.8 3.0 4.0 3.4
Numero unidades vendidas (S) 95 140 85 180 100 195 115 136 175 150
a. Encuentre la recta de regresión de mínimos cuadrados que podría usarse para predecir las ventas a
partir de las calificaciones en la prueba de capacitación.
b. ¿En cuánto se incrementa el número esperado de unidades vendidas por cada incremento de 1
punto en una calificación de la prueba?
c. Utilice la recta de regresión de mínimos cuadrados para predecir el número de unidades que
vendería un capacitando que obtuvo una calificación promedio en la prueba.
3. Los siguientes son datos corresponden a la demanda en miles de un producto a través de los años
Año 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Demanda 23 27 35 37 46 73 115 147 185 224 289 320
Realizar el pronóstico para las ecuaciones:
a. Ecuación de regresión lineal de la forma: 𝑦 = 𝑎 + 𝑏𝑥
b. Ecuación de regresión exponencial: 𝑦 = 𝐴𝑒 𝐵𝑥
c. Encontrar el error del pronóstico (s)
d. ¿De acuerdo al error del pronóstico que ecuación elegiría?, ¿porque?
e. De acuerdo a la ecuación elegida, pronostique la demanda para el año 2019
f. ¿Cuál es el valor del coeficiente de correlación e interprételo?
4. La demanda de los últimos 24 meses de un producto de moda entre los jóvenes de una ciudad son los
siguientes:
Mes (X) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Unidades (Y) 123 256 430 582 1309 1856 2100 2612 2466 3042 2972 3037 3236 3341 3249 3624 3642 3412 3647 3476 3475 3503 3797 3595
a. Desarrolle el pronóstico para el modelo cuadrático 𝑦 = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2. Encuentre su error
estándar (s).
1
𝐵
b. Desarrolle el modelo de la curva – S: 𝑦 = 𝑒 (𝐴+𝑋) además encuentre el error del pronóstico (𝑠) y
compárelo, con el modelo anterior.
c. De acuerdo al modelo elegido, pronostique la demanda para los periodos 25 y 26
Año 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Periodo (X) 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Unidades (Y) 1000 1200 1500 1800 2000 2500 2900 3400 4000 4600 5500 6800 8000 10000
Ajustar los datos, a los siguientes modelos:
a. Ecuación de regresión polinómica de la forma: 𝑦 = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 . Asimismo calcular el error
del pronóstico.
b. Ecuación de regresión polinómica de la forma: 𝑦 = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 . Asimismo calcular el
error del pronóstico.
c. De acuerdo al error del pronóstico, ¿Qué ecuación elige?. ¿Por qué?
d. De acuerdo al modelo elegido, pronostique la demanda para el año 2019 (periodo 15).
e. ¿Qué otras variables, debe considerar para pronosticar la demanda de energía eléctrica?,
investíguelo.
Año 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018
Periodo (X) 1 2 3 4 5 6 7 8 9 10
Unidades (Y) 6 12 24 48 95 188 374 743 1477 2937
Ajustar los datos, a los siguientes modelos:
a. Ecuación de regresión lineal de la forma: 𝑦 = 𝑎 + 𝑏𝑥
b. Ecuación de regresión exponencial de la forma: 𝑦 = 𝐴𝐵 𝑥
c. Encontrar el error del pronóstico (S) para ambos modelos
d. De acuerdo al error del pronóstico, seleccione el modelo que servirá para realizar sus
pronósticos
e. De acuerdo al modelo elegido, realice el pronóstico para el 2019
7. Analizar la relación existente entre el grado de estrés de los trabajadores Y a partir del tamaño de la
empresa en que trabajan X1, el número de año que llevan en el puesto de trabajo actual X2, salario
anual percibido X3 y la edad del trabajador X4.
observaciones X1 X2 X3 X4 Y
8. La novak corporation desea desarrollar un modelo de pronóstico para la proyección de las ventas
futura. Ya que la corporación tiene tiendas a lo largo de una extensa región se eligen los ingresos
personales disponibles (x1) como variable explicativa posible. A continuación se presentan los
siguientes datos anuales desde 2002 a 2018:
fila año ventas(millones)
ingreso personal (millones) Tasa desempleo (%)
1 2002 8,0 336,1 5,5
2 2003 8,2 349,4 5,5
3 2004 8,5 362,9 6,7
4 2005 9,2 383,9 5,5
5 2006 10,2 402,8 5,7
6 2007 11,4 437,0 5,2
7 2008 12,8 472,2 4,5
8 2009 13,6 510,4 3,8
9 2010 14,6 544,5 3,8
10 2011 16,4 588,1 3,6
11 2012 17,8 630,4 3,5
12 2013 18,6 685,9 4,9
13 2014 20,0 742,8 5,9
14 2015 21,9 801,3 5,6
15 2016 24,9 903,1 4,9
16 2017 27,3 983,6 5,6
17 2018 29,1 1076,7 8,5
a. Determine la relación de las ventas con el ingreso personal y las ventas con la tasa de desempleo
(debe calcular el coeficiente de correlación r)
b. Si el coeficiente de correlación es significativo, debe calcular la ecuación de regresión múltiple de
la forma: 𝑦 = 𝑎 + 𝑏𝑥1 + 𝑐𝑥2
c. Encontrar el coeficiente de correlación (r) de las ventas con el ingreso personal y la tasa de
desempleo
d. Encontrar el error del pronóstico (S)
e. Encontrar las ventas, para el año 2019, cuando el ingreso personal es de 1100 millones y la tasa de
desempleo es de 10%.
9. El dueño del Teatro Segura, desea estimar el ingreso bruto semanal en función de los gastos en
publicidad. A continuación, se presentan los datos históricos de 10 semanas.
Ingreso semana bruto (en Publicidad en televisión Publicidad en periódicos
miles de soles) (en miles de soles) (en miles de soles)
96 5.0 1.5
90 2.0 2.0
95 4.0 1.5
92 2.5 2.5
95 3.0 3.3
94 3.5 2.3
94 2.5 4.2
94 3.0 2.5
98 5.5 3.5
100 6.0 4.0
a. Estimar la ecuación de regresión múltiple de la forma: 𝑦 = 𝑎 + 𝑏𝑥1 + 𝑐𝑥2
b. Encontrar el coeficiente de correlación (r) del ingreso semanal bruto y los gastos de publicidad y
haga un comentario sobre su valor
c. Encontrar el error del pronóstico (S)
d. Encontrar el ingreso semanal bruto del teatro para la semana 11, sabiendo que se va a invertir en
publicidad en televisión una cantidad de 7.0 mil soles y en periódicos la cantidad de 5.0 mil soles.
3
10. Martin, nuevo gerente de producción de una compañía de sonido, tiene que averiguar qué variable
afecta más la demanda de su línea de bocinas estereofónicas. No está seguro de que el precio unitario
del producto o los efectos de mayor marketing sean los principales impulsores de las ventas, y quiere
aplicar un análisis de regresión para averiguar qué factor impulsa más la demanda de su mercado. La
información pertinente se recopiló en un extenso proyecto de marketing que se extendió a los 10 años
anteriores y se vació en los datos siguientes:
Ventas/ unidad Publicidad
Año Precio/unidad
(millares) (miles de dólares)
2007 400 280 600
2008 700 215 835
2009 900 211 1 100
2010 1 300 210 1 400
2011 1 150 215 1 200
2012 1 200 200 1 300
2013 900 225 900
2014 1 100 207 1 100
2015 980 220 700
2016 1 234 211 900
2017 925 227 700
2018 800 245 690
a. Realice en Excel un análisis de regresión basado en estos datos. Con sus resultados, conteste
las preguntas siguientes.
b. ¿Qué variable, precio o publicidad tiene un mayor efecto en las ventas, y cómo lo sabe?
c. Pronostique las ventas anuales promedio de bocinas de la compañía a partir de los resultados
de la regresión si el precio fue de 300 dólares por unidad y el monto gastado en publicidad (en
miles) fue de 900 dólares.