El documento presenta un análisis de regresión lineal simple realizado por un alumno para predecir las ventas de una empresa. El alumno calcula los valores b0 y b1 de la ecuación de regresión usando los datos de ventas de agosto a diciembre. Esto le permite predecir las ventas para cada mes y graficar los resultados. El análisis muestra una correlación negativa débil entre las ventas y el tiempo.
0 calificaciones0% encontró este documento útil (0 votos)
141 vistas8 páginas
El documento presenta un análisis de regresión lineal simple realizado por un alumno para predecir las ventas de una empresa. El alumno calcula los valores b0 y b1 de la ecuación de regresión usando los datos de ventas de agosto a diciembre. Esto le permite predecir las ventas para cada mes y graficar los resultados. El análisis muestra una correlación negativa débil entre las ventas y el tiempo.
El documento presenta un análisis de regresión lineal simple realizado por un alumno para predecir las ventas de una empresa. El alumno calcula los valores b0 y b1 de la ecuación de regresión usando los datos de ventas de agosto a diciembre. Esto le permite predecir las ventas para cada mes y graficar los resultados. El análisis muestra una correlación negativa débil entre las ventas y el tiempo.
El documento presenta un análisis de regresión lineal simple realizado por un alumno para predecir las ventas de una empresa. El alumno calcula los valores b0 y b1 de la ecuación de regresión usando los datos de ventas de agosto a diciembre. Esto le permite predecir las ventas para cada mes y graficar los resultados. El análisis muestra una correlación negativa débil entre las ventas y el tiempo.
Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1/ 8
Tutor: Daniel Carrera Mendoza
Alumno: Isidro García Cruz
Matricula: CTM001031
Materia: Pronósticos de Negocios
Ciudad de México a 03 de julio de 2022.
INTRODUCCION Nota: Envió impresión de pantalla por que no puede descargar la infografía.
Con respecto al término lineal el cual se emplea para distinguirlo del resto de métodos de regresión que existen, los cuales emplean modelos con base en cualquier tipo de función matemática. Pero qué es un método lineal, no son más que una explicación simplificada de la realidad, siendo mucho más ágiles, teniendo un soporte teórico mucho más extenso, no solamente por parte de la matemática y sino también por la estadística. En este proyecto modular se realiza una infografía sobre las regresiones, viendo que tipos de regresiones hay y abarcando sus características. Posteriormente se resuelve un problema planteado mediante la regresión lineal simple, con el fin de calcular el pronóstico de ventas, graficando y explicando sus resultados. Al finalizar se tiene una conclusión sobre lo aprendido, así como a su vez una serie de ideas principales. Dicho proyecto tiene como objetivo explicar qué son las regresiones, los tipos de regresiones y sus características con la finalidad de aplicar la regresión lineal simple para así conocer el pronóstico de ventas de una empresa.
Problema regresión lineal simple.
Mediante la siguiente base de datos correspondiente a las ventas de la empresa PREMIUM
HARVEST PRODUCE S.A. DE C.V., aplica la regresión lineal simple para calcular el pronóstico de ventas, así como graficar y explicar los resultados
PREMIUM HARVEST PRODUCE S.A. DE C.V.
PREIODO DE AGOSTO A DICIEMBRE DE 2020 PERIODO VENTAS PRONOSTICOS AGOSTO $ 80,000.00 SEPTIEMBRE $ 40,000.00 OCTUBRE $ 60,000.00 NOVIEMBRE $ 80,000.00 DICIEMBRE $ 50,000.00 Lo más importante que necesitamos es la línea de los mínimos cuadrados o línea de regresión ajustada, y su ecuación se llama ecuación de regresión ajustada.
Pero para en esta ecuación se debe de calcular los valores que tiene 𝑏0 y 𝑏1, siendo b1 representa la pendiente, que se interpreta como el cambio promedio de Y, que ocurre cuando X se incrementa en una unidad. b0 representa la intersección con el eje de las Y, para encontrar sus valores se debe de utilizar ciertas formulas
Observación: Existen diversas fórmulas para calcular 𝑏0 y 𝑏1, en mi caso yo utilice las siguientes.
Donde en este caso 𝑏0 𝑒𝑠 𝑎 y 𝑏1 𝑒𝑠 𝑏. Aun así, para utilizar estas formular se deben de tomar en cuenta otros valores, por ejemplo: el producto entre la variable independiente con la variable dependiente, los cuadrados de ambas variables, sus promedios, sus totales. PREMIUM HARVEST PRODUCE SA DE CV Periodo de agosto a diciembre del 2020 PERIODO VENTAS PRONOSTICO (Cantidad de datos: 5) Periodo(X) Demanda (Y) XY X^2 Y^2 AGOSTO 1 $ 80,000.00 $ 80,000.00 $ 1.00 6,400,000,000.00 SEPTIEMBRE 2 $ 40,000.00 $ 80,000.00 $ 4.00 1,600,000,000.00 OCTUBRE 3 $ 60,000.00 $ 180,000.00 $ 9.00 3,600,000,000.00 NOVIEMBRE 4 $ 80,000.00 $ 320,000.00 $ 16.00 6,400,000,000.00 DICIEMBRE 5 $ 50,000.00 $ 250,000.00 $ 25.00 2,500,000,000.00
Observación: para calcular el producto entre ambas variables, sus cuadros de cada una, sus totales y promedios de cada variable utilice Excel para hacerlo de manera rápida.
• Una vez teniendo los datos anteriores, ahora si podemos calcular los valores 𝑏0 𝑒𝑠 𝑎 y 𝑏1 𝑒𝑠 𝑏, con las formulas vistan en el anterior punto.
Por lo tanto, el valor de 𝑏0 = 68000 y 𝑏1 = −2000, ahora si teniendo estos valores, los podemos sustituir en nuestra ecuación de regresión ajustada, quedando de la siguiente manera: 𝑌 = 68000 − 2000𝑋 con esta ecuación podemos hacer nuestro pronóstico de ventas, solamente debemos de ir sustituyendo por cada uno de los valores de nuestra variable independiente.
Quedando de la siguiente manera, junto su respectiva gráfica:
Pronostico Periodo(X) Demanda (Y) (y) AGOSTO 1 $ 80,000.00 66000 SEPTIEMBRE 2 $ 40,000.00 64000 OCTUBRE 3 $ 60,000.00 62000 NOVIEMBRE 4 $ 80,000.00 60000 DICIEMBRE 5 $ 50,000.00 58000
DEMANDA 90000 80000 70000 60000 50000 VENTAS
40000 30000 20000 10000 0 AGOSTO SEPTIEMBRE OCTUBRE NOVIEMBRE DICIEMBRE Axis Title
Periodo(X) Demanda (Y) Pronostico (y)
Como podemos ver en los resultados obtenidos conforme los valores de la variable independiente(X) van aumentando, los valores de la variable dependiente(Y) del pronóstico van disminuyendo poco a poco, es decir cuando el valor de la variable independiente incrementa de uno en uno, el pronóstico disminuye en una cantidad de 2000. El coeficiente de correlación en este problema nos dice los siguiente, pero para ello se utilizará la siguiente formula. Podemos ver que se tiene una correlación negativa débil, es decir cuando una variable aumenta, la otra tiende a disminuir, pero de manera débil o poco confiable. Para finalizar como bien se dijo una vez teniendo los valores de la ecuación de regresión ajustada, podemos seguir pronosticando que es lo que se espera por ejemplo en el sexto mes.
CONCLUSION
Como se pudo observar durante la realización del proyecto, hay dos tipos de regresiones, la regresión lineal simple y la regresión lineal múltiple, la primera es la relación de una variable dependiente con una o dos variables independientes, en cambio, la regresión múltiple, es la relación de dos o más variables dependientes con otras variables. Sobre el problema, el análisis de regresión tiene como objetivo el método causal el cual es pronosticar la demanda a partir de una o más causas (variables independientes), las cuales pueden ser por ejemplo el tiempo (siendo el caso del problema planteado en el proyecto), precios del producto o servicio, precios de la competencia, acciones del gobierno, economía del país, etc. En el caso del problema se debe de ver también cómo es la relación entre la demanda y el tiempo, aquí es donde entra el coeficiente de correlación y que tras lo aprendido se puede decir lo siguiente: • Se tiene una correlación perfecta: Cuando el resultado de coeficiente es igual a 1 o -1. Teniendo una relación directamente proporcional entre la demanda y el tiempo. • Se tiene una correlación fuerte: Cuando el resultado es mayor a 0.5 y menor que 1 (siendo una correlación positiva) o menor a -0.5 y mayor que - 1(siendo una correlación negativa). • Se tiene una correlación débil: Cuando los valores están entre -0.5 y 0.5. 10 Para finalizar, en resumidas cuentas, la regresión lineal simple es una técnica más utilizada cuando se trata sobre pronósticos, es una forma que permite modelar una relación entre dos conjuntos de variables, cuyo resultado se obtiene una ecuación la cual es fundamental para hacer proyecciones o estimaciones sobre los datos. BIBLIOGRAFIA
