INGENIERA INDUSTRIAL.

ADMINISTRACIN DE LAS OPERACIONES

MTODO DE PRONSTICO CAUSAL -

ANLISIS DE REGRESIN.

AUTOR:
MARTNEZ VALDERRAMA JAVIER.

TUTOR:
ZAMUDIO POISTAN ANGEL.

VERACRUZ, VER. MARZO, 2017

 Mtodo de pronstico causal- anlisis de regresin
Los modelos de pronstico causal generalmente consideran algunas variables que
estn relacionadas con la variable que se predice. Una vez que estas variables
relativas se han encontrado, se construye y utiliza un modelo estadstico para
pronosticar la variable de inters. Este intento es ms poderoso que los mtodos
de serie de tiempo que nicamente utilizan los datos histricos para pronosticar la
variable.
Se pueden considerar muchos factores en un anlisis causal. Por ejemplo, las
ventas de un producto pueden estar relacionadas con el presupuesto de
publicidad de la empresa, los precios de competidores y las estrategias
promocinales, o aun las tasas econmicas y de desempleo. En este caso, las
ventas seran llamadas variable dependiente y otras variables seran llamadas
variables independientes.
El trabajo del administrador es de desarrollar la mejor relacin estadstica entre las
ventas y las variables independientes. El modelo de pronstico causal cuantitativo
ms comn es el anlisis de regresin lineal.

Uso del anlisis de regresin para pronosticar

Se puede utilizar el mismo modelo matemtico que se emple en el mtodo de
mnimos cuadrados para proyectar la tendencia, al llevar a cabo el anlisis de
regresin lineal.
Las variables dependientes que se desean pronosticar seguirn siendo las y.
Pero ahora la variable independiente, x, no es el tiempo.
y=a+bx
Dnde:
y = valor de la variable dependiente, en este caso ventas
a = interseccin en el eje y
b = pendiente de la lnea de regresin
x = la variable independiente
Ejemplo 4- 8:
Carvajal suministra oficinas en el territorio colombiano. Al paso del tiempo, la
compaa se ha percatado que el volumen en pesos de su trabajo de renovacin
es dependiente de la nmina de sus clientes en Colombia. La siguiente tabla
enumera ingresos y la cantidad de dinero ganada por los trabajadores asalariados
en Colombia durante los aos
2004-2005:
Ventas de Carvajal NMINA
( $ 000 000 000)
2.000.000.000.oo 1
3.000.000.000.oo 3
2.500.000.000.oo 4
2.000.000.000.oo 2
2.000.000.000.oo 1
3.500.000.000.oo 7
La administracin de Carvajal desea establecer una relacin matemtica que
ayude a predecir las ventas. Primero, necesitan determinar si existe una relacin
de lnea recta (lineal) entre la nmina y las ventas, se graficarn los datos.
A partir de los seis puntos de datos se puede apreciar que existe una ligera
relacin positiva entre la variable independiente, la nmina y la variable
dependiente: las ventas. Mientras la nmina se incrementa, las ventas de Carvajal
tienden a ser mayores.

Se puede encontrar una ecuacin matemtica al utilizar el sistema de regresin

por mnimos cuadrados.
Si se predice que la nmina ser de 6.000 millones para el prximo ao, es
posible estimar las ventas de Carvajal con la ecuacin de regresin:
O Ventas = 1.75 + 0.25 (6) x ($000.000.000)
O Ventas = $ 3.250000.000

Cmo utilizar una Regresin Lineal para realizar un Pronstico de Demanda

El Mtodo de Mnimos Cuadrados o Regresin Lineal se utiliza tanto para

pronsticos de series de tiempo como para pronsticos de relaciones causales.
En particular cuando la variable dependiente cambia como resultado del tiempo
se trata de un anlisis de serie temporal.
En el siguiente artculo desarrollaremos un Pronstico de Demanda haciendo
uso de la informacin histrica de venta de un producto determinado durante los
ltimos 12 trimestres (3 aos) cuyos datos se observan en la siguiente tabla
resumen:

La ecuacin de mnimos cuadrados para la regresin lineal es la que se muestra a

continuacin donde 0 y 1 son los parmetros de intercepto y pendiente,
respectivamente:
Estimar los valores de dichos parmetros es sencillo haciendo uso de una
planilla Excel tal como muestra la tabla a continuacin:

Luego evaluamos en las ecuaciones presentadas anteriormente para obtener los

valores de 0 y 1:

Una vez obtenido los parmetros de la regresin lineal se puede desarrollar un

pronstico de demanda (columna color naranja) evaluando en la ecuacin de la
regresin para los distintos valores de la variable independiente (x).
Por ejemplo, para el primer trimestre el pronstico
es: Y(1)=441,71+359,61*1=801,3.
Observacin: los valores de los pronsticos han sido
redondeados arbitrariamente a un decimal para mayor comodidad.
 Notar que con la informacin que hemos obtenido podemos calcular el MAD y la
Seal de Rastreo y utilizar estos indicadores para validar la conveniencia de
utilizar este procedimiento como dispositivo de pronstico.
Adicionalmente puede resultar de inters consultar el artculo Ejemplo de una
Regresin Lineal Mltiple para un Pronstico con Excel y Minitab que
muestra cmo abordar el caso de realizar una regresin lineal con ms de
una variable independiente (explicativa).
Siguiendo con nuestro anlisis a continuacin podemos desarrollar un pronstico
de demanda para los prximos 4 trimestres (un ao) que corresponden a los
trimestres 13, 14, 15 y 16:

Y(13)=441,71+359,61*13=5.116,64
Y(14)=441,71+359,61*14=5.476,25
Y(15)=441,71+359,61*15=5.835,86
Y(16)=441,71+359,61*16=6.195,47
Si bien el procedimiento anterior es vlido puede ser resumido haciendo uso de
las herramientas de anlisis de datos de Excel o simplemente realizando un
ajuste de una regresin lineal en un grfico de dispersin de la misma forma que
abordamos en el articulo sobre el Mtodo de Descomposicin. Para ello luego
de realizar el grfico nos posicionamos en una de las observaciones y luego botn
derecho del mouse para seleccionar Agregar lnea de tendencia.

Luego en la interfaz de Excel activamos las opciones Presentar ecuacin en el

grfico y Presentar el valor R cuadrado en el grfico (este ltimo indicador
segn se aborda en los cursos de estadstica consiste en una medida de la
bondad de ajuste de la regresin).
Notar que los valores obtenidos para los parmetros de la regresin son similares
salvo menores diferencias por efecto de aproximacin.
Un extracto de los resultados es el que se presenta a continuacin, donde
en color celeste se destaca los coeficientes asociados a los parmetros de la
regresin lineal 0 y 1, respectivamente, y en color naranjo el pronstico
obtenido para cada uno de los doce trimestres al utilizar la ecuacin de la
regresin.
Por ejemplo: Y(1)=441,67+359,61*1=801,28. El residuo o error correspondiente
para dicho perodo (Trimestre 1) es: .