Con esta información, la empresa desea estimar la cantidad de pares de zapatillas que venderá el año 2021 al año 2023. De acuerdo con estos datos históricos se tiene que la ecuación que se ajusta los datos a una línea recta es la siguiente:
y=a+b ( x )
Donde: x=¿ Tiempo y=¿ Cantidad de zapatillas que se estime vender a=¿Constante b=¿ Parámetro
PREGUNTA: ¿Determine las ventas para los años 2021, 2022 y 2023? SOLUCIÓN RESOLVIENDO EL EJEMPLO POR EL POR EL MÉTODO DE LOS MÍNIMOS CUADRADOS: AÑO x y xy x2 y2 2013 -4 55 -220 16 3025 2014 -3 60 -180 9 3600 2015 -2 53 -106 4 2809 2016 -1 76 -76 1 5776 2017 1 80 80 1 6400 2018 2 93 186 4 8649 2019 3 99 297 9 9801 2020 4 100 400 16 10,000
∑ x =0 ∑ y=616 ∑ xy =381 ∑ x 2=60 ∑ y2 =50,060
Ecuación de los mínimos cuadrados:
∑ y=ma+b ∑ x ∑ xy =a ∑ x +b ∑ x 2 Resolviendo por el método de los mínimos cuadrados obtenemos los siguientes resultados. Se reemplaza: 616 616=8 a+b ( 0 ) → a= → a=77 8 381 381=a ( 0 ) +b ( 60 ) →b= → b=6.35 60
Se obtiene la ecuación de pronóstico:
y=77.0+ 6.35 ( x )
→ Donde 6.35 es la pendiente de la recta y 77.0 es la ordenada al origen. La pendiente es
positiva, por lo que la recta es creciente, esto significa que a medida que aumenten los años la demanda va a aumentar. → Reemplazando en la ecuación de pronóstico se obtiene la demanda del 2021 al 2023:
Demanda proyectada de zapatillas
{ Años 5 y=77.0+ 6.35 ( x ) 6 7 2021 109 2022 115 2023 121
Ventas y
x Años
Cuadro de la demanda proyectada de Zapatillas “Adidas”:
→ Hallando el coeficiente de correlación y el coeficiente de determinación:
n ∑ xy −( ∑ x )( ∑ y ) r= √ [ n ∑ x − ( ∑ x ) ] [ n ( ∑ y )− ( ∑ y ) ] 2 2 2 2
3048 3048 r= → r= →r =0.96 coeficiente de correlación [ 480 ][ 21024 ] 3176.7 r 2=0.92→ 92 % coeficiente de determinación . INTERPRETACIÓN: Como el coeficiente de correlación es cercano a la unidad, se interpreta que existe una elevada correlación de la demanda de zapatillas ( y ) con relación al tiempo ( x ). El valor de r 2 , que es el coeficiente de determinación, nos dice que existe una elevada confianza en la línea de regresión. Su valor de 0.92 indica que la línea de regresión puede explicar aproximadamente en un 92% la variación de los valores de ( y ) mediante el comportamiento de la variable ( x ), es decir, la demanda de zapatillas en un 92% está siendo explicada por el tiempo. En un 8% es explicada por otra variable, pero que no es el tiempo, bien podrían ser los precios, los ingresos, etc.
