Ingeniera en gestin empresarial.

Autor: Armando Alberto Roca Garrido.

Introduccin
Las cambiantes condiciones de los negocios como resultado de la competencia mundial, el rpido
cambio tecnolgico y las crecientes preocupaciones por el medio ambiente han ejercido presiones
sobre la capacidad de una empresa para generar pronsticos precisos. Tales pronsticos son
necesarios como un elemento auxiliar para determinar que recursos se necesitan, programar los
recursos ya existentes y adquirir recursos adicionales. Los pronsticos precisos permiten que los
programadores utilicen de forma eficiente la capacidad de las maquinas, reduzcan los tiempos de
produccin y recorten los inventarios.
Para pronosticar la demanda y la oferta de un producto o servicio, existen diversas maneras de
hacerlo. En esta ocasin, se explicar un proceso sencillo para visualizar el posible comportamiento
de la demanda y oferta empleando la regresin lineal, el cual nos permite observar la lnea de
tendencia.
Los pronsticos tuvieron su origen en aspectos informales de la vida cotidiana, en las pocas de los
reyes, los polticos y personas adineradas acudan a los clarividentes para que les comentaran acerca
de sus vidas en el futuro, al paso del tiempo estas ideas las adoptan los comerciantes y empresarios
y se fue formalizando poco a poco para el concepto de los pronsticos hasta llegar a la que hoy se
conoce como un importante tema.

Regresin lineal
En estadstica la regresin lineal o ajuste lineal es un mtodo matemtico que modela la relacin entre
una variable dependiente Y, una o ms variables independientes X y un trmino aleatorio.

Regresin lineal simple o mnimos de cuadrados.
Es una tcnica de tipo cuantitativo que permite el clculo de los pronsticos para perodos futuros, el
cual requiere de registros histricos que sean consistentes, reales y precisos.
Esta tcnica como su nombre lo indica se trata de sacar el total de las desviaciones elevadas al
cuadrado a un valor mnimo, su objetivo es determinar los coeficientes a y b, que son conocidos como
coeficientes de regresin, donde X es la variable independiente (tiempo), y la Y es la variable
dependiente (pronstico de la demanda).
Se utilizada para solucionar problemas comunes en cualquier negocio, en donde se pueden identificar
y cuantificar algunas relaciones funcionales entre dos o ms variables, en donde las variables son
dependientes tanto la una como de la otra.
En el modelo de regresin lineal simple es muy importante identificar las variables, dependiente como
independiente. La dependiente es la variable que se desea explicar, tambin es llamada variable de
Ingeniera en gestin empresarial.
Autor: Armando Alberto Roca Garrido.
respuesta y la variable independiente se utilizada para explicar la variable dependiente, llamada
tambin variable explicativa.

Ejercicio
Una compaa desea hacer predicciones del valor anual de sus ventas totales en cierto pas a partir
de la relacin de stas y la renta nacional. Para investigar la relacin cuenta con los siguientes datos:
Ao 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000
X 189 190 208 227 239 252 257 274 293 308 316
Y 402 404 412 425 429 436 440 447 458 469 469

X = Representa la renta nacional en millones de dlares.
Y = Representa las ventas de la compaa en miles de dlares en el periodo que va desde 1990 hasta
2000.

Realiza lo siguiente:
a) Calcular la recta de regresin de Y sobre X.
b) Realizar el grfico de dispersin con las variables X y Y
c) Calcular el coeficiente de correlacin lineal e interpretarlo.
d) Si en 2001 la renta nacional del pas fue de 325 millones de dlares. Cul ser la prediccin para
las ventas de la compaa en este ao?

Solucin.
a) La frmula para calcular la recta de regresin viene dada por:
Y = a +bx
En donde:

Como la frmula para hallar a te pide el valor de b y esta no la conocemos, es necesario sustituir
primero la ecuacin para hallar b.
Ingeniera en gestin empresarial.
Autor: Armando Alberto Roca Garrido.
Ahora calcularemos los datos que sustituiremos en las formulas.



Una vez teniendo los valores, nuestro siguiente paso ser despejar las frmulas para obtener a y b.

Primero hallaremos b =
b = 11 (1209720) (2753) (4791) / 11 (708933) (2753)
2
b = 13 306 920 13 189 623 / 7 798 263 7 579 009
b = 117 297 / 219 254
b = 0.53498

Ahora hallaremos a =
a = 4791 / 11 - 0.53498 (2753 / 11)
a = 435.54 0.53498 (250.27)
a = 435. 54 133.88
a = 301. 66

Entonces la recta de regresin es igual a: Y = 301.66 + 0.53498X
X
2
Y
2 X.Y
35721 161604 75978
36100 163216 76760
43264 169744 85696
51529 180625 96475
57121 184041 102531
63504 190096 109872
66049 193600 113080
75076 199809 122478
85849 209764 134194
94864 219961 144452
99856 219961 148204
X
2
= 708933
Y
2
= 2092421
X.Y
= 1209720
n
Variable X Variable Y
1
189 402
2
190 404
3
208 412
4
227 425
5
239 429
6
252 436
7
257 440
8
274 447
9
293 458
10
308 469
11
316 469
Nmero total
de datos
X
= 2753
Y
= 4791
Ingeniera en gestin empresarial.
Autor: Armando Alberto Roca Garrido.
b) Elabore el diagrama de dispersin.
Un diagrama de dispersin es una grfica que representa la relacin entre Y y X.


C) Calcular el coeficiente de correlacin lineal.
El coeficiente de correlacin (r) es una medida de la intensidad de la relacin lineal entre dos variables.
Puede tomar cualquier valor de -1.00 a 1.00
1.00 Correlacin positiva perfecta

Correlacin positiva intensa

0.50 Correlacin positiva moderada
Correlacin positiva dbil

0 Ninguna Correlacin

Correlacin negativa dbil

-0.50 Correlacin negativa moderada
Correlacin negativa intensa

-1.00 Correlacin negativa perfecta

La frmula para hallar el coeficiente de correlacin lineal est dada:
r = 11 (1209720) - (2753) (4791) / [11 (708933)
(2753)
2
] . [11 (2092421) (4791)
2
]

390
400
410
420
430
440
450
460
470
480
185 205 225 245 265 285 305 325

2 2 2 2
) ( ) (
) )( ( ) (
Y Y n X X n
Y X XY n
r

Ingeniera en gestin empresarial.

Autor: Armando Alberto Roca Garrido.
r = 13 306 920 13 189 623 / 11 (708 933) (2 753)
2
]. [11 (2 092 421) (4 791)
2
]
r = 117 297 / (219 254) (62 950)
r = 117 297 / 13 802 039 300
r = 117 297 / 117 482. 080
r = 0.998 424

El coeficiente de correlacin lineal es 0.998 424, y tendr una correlacin positiva intensa.

d) Si en 2001 la renta nacional del pas fue de 325 millones de dlares. Cul ser la prediccin
para las ventas de la compaa en este ao?
Ao
Variable X Variable Y
1990
189 402
Ventas
reales
1991
190 404
1992
208 412
1993
227 425
1994
239 429
1995
252 436
1996
257 440
1997
274 447
1998
293 458
1999
308 469
2000
316 469
2001
325 ? Pronstico

Para pronosticar cuantas sern las ventas en 2001 con una renta nacional de 325 MD es necesario
usar la ecuacin de la recta de regresin lineal Y = 301.66 + 0.53498X
X Y
150 381.901324
200 408.650437
250 435.39955
300 462.148663
325 475.52322
350 488.897776

La variable X representa la renta
nacional en millones de dlares.
La variable Y representa las
ventas de la compaa en miles
de dlares.
Y = 301.66 + 0.53498 (150) = 381.901324
Y = 301.66 + 0.53498 (200) =408.650437
Y = 301.66 + 0.53498 (250) =435.39955
Y = 301.66 + 0.53498 (300) =462.148663
Y = 301.66 + 0.53498 (325) = 475.52322
Y = 301.66 + 0.53498 (350) = 488.897776
Ingeniera en gestin empresarial.
Autor: Armando Alberto Roca Garrido.
Interpretacin.
Cuando la renta del pas en 2001 sea de 325 millones de dlares las ventas de la compaa sern
de 475. 523 miles de dlares.

Si usamos los valores de la variable X y Y, tendremos como resultado la grfica de la recta lineal.


La unin de la grfica de la dispersin y la grfica de la recta de regresin lineal quedara de la
siguiente manera.


150, 381.901324
200, 408.650437
250, 435.39955
300, 462.148663
325, 475.52322
350, 488.897776
350
370
390
410
430
450
470
490
510
140 190 240 290 340
R
e
n
t
a

n
a
c
i
o
n
a
l

e
n

m
i
l
l
o
n
e
s

d
e

d
o
l
a
r
e
s
Ventas de la compaia en miles de dolares
Recta de regresin lineal
Y
y = 0.535x + 301.65
r = 0.9969
370
390
410
430
450
470
490
140 190 240 290 340 390
R
E
N
T
A

N
A
C
I
O
N
A
L

E
N

M
I
L
L
O
N
E
S

D
E

D
O
L
A
R
E
S
VENTAS DE LA COMPAIA EN MILES DE DOLARES