Pronsticos en el
mediano y largo plazo
Anlisis de Regresin
Los pronsticos en el mediano plazo pueden ser explicados
mediante un anlisis de regresin, este anlisis de regresin
indica la tendencia de la demanda en funcin a otro factor
formndose tendencias tales como: lineal, exponencial,
logartmica, etc.
Un anlisis de regresin se puede realizar sobre modelos de
pronsticos: series de tiempo o causales.
Anlisis de Regresin
El anlisis de regresin
se utiliza para
determinar si un grupo
de datos (una o ms
variables
independientes) guardan
algn tipo de relacin o
correlacin con otro
grupo de datos (variable
dependiente). Una vez
que se hayan calculado
dichas relaciones podrn
hacerse pronsticos.
Tipos de anlisis de regresin:
Lineal
y = a + bx
Poli nmica
y = b + c 1 x + c 2 x2 + c 3 x3 + + c 6 x6
Logartmica
y = b + clnx
Exponencial
y = cebx
Potencial
y = cxb
Anlisis de Regresin Lineal
Anlisis de Regresin
Lineal Simple. Modelo
matemtico que slo
contiene una variable
independiente y una
variable dependiente.
Ecuacin matemtica:
y = a + bx
Anlisis de Regresin
Lineal Mltiple.
Modelo Matemtico
que contiene 2 o ms
variables
independientes y una
variable dependiente.
Ecuacin matemtica:
y = a + b1x1 + b2x2 +
+ bnxn
Anlisis de Regresin Lineal
Simple.
Modelo matemtico que slo contiene una variable independiente y
una variable dependiente. Si los datos forman una serie de tiempo, la
variable independiente es el tiempo en perodos y la variable
dependiente son las ventas o demanda.
Ecuacin de regresin: y = a + bx
Donde:
x : valores de la variable independiente
y : valores de la variable dependiente
a : interseccin con el eje vertical
b : pendiente de la lnea de regresin
n : nmero de observaciones
Anlisis de Regresin Lineal
Simple.
Los valores de a y b se obtienen mediante las siguientes
formulas:
2
2
2
2
Coeficiente de Correlacin (r).
Explica la importancia relativa, el grado o fuerza de la relacin
entre y & x; el signo de r indica la direccin de dicha relacin, y
el valor absoluto de r la magnitud de la relacin. r puede asumir
cualquier valor entre -1 y +1. El signo de r ser siempre igual al
signo de b.
Coeficiente de Correlacin (r).
Una r negativa indica que los valores de y i x tienden a moverse
en direcciones opuestas, y una r positiva indica que los valores
de y i x se mueven en la misma direccin. As tenemos:
-1 Una relacin negativa perfecta; conforme y sube, x baja
unidad por unidad y viceversa.
+1 Una relacin positiva perfecta; conforme y sube, x sube
unidad por unidad y viceversa.
0 No existe relacin alguna entre y & x.
+0.3 Una relacin positiva dbil.
-0.9 Una relacin negativa fuerte.
Coeficiente de Correlacin (r).
El coeficiente de correlacin se calcula como sigue:
Coeficiente de Determinacin
(r2).
Es el porcentaje de variacin en la variable dependiente y que es
explicada por la ecuacin de regresin. El valor de r2 ser
siempre un nmero positivo en el rango de 0 r2 1
Error estndar de pronstico o
desviacin estndar.
Un punto estimado de y es en realidad la media o valor
esperado, de una distribucin de valores posibles. Para
medir la exactitud de los estimados en la regresin se
establecen rangos dentro de los cuales los datos reales
ms probablemente ocurrirn.
2
2
Calculo de los rangos para los
pronsticos
Lmite Superior = Yi + t Syx
Lmite Inferior = Yi - t Syx
Donde:
Y: demanda pronosticada
i : perodo pronosticado
Syx : Desviacin estndar
t : valor de la distribucin de probabilidad t student para un nivel
de significancia del 0.01 y para n-2 grados de libertad para un
nivel de confianza del 90%
Ejemplo
La empresa Motores Andinos S.A. produce motores petroleros
Perkins. Durante ms de un ao, la planta de produccin ha
operado a casi plena capacidad. El gerente de planta, estima
que el crecimiento en las ventas continuar y desea desarrollar
un pronstico a largo plazo que se usar para planear las
necesidades de las instalaciones para los siguientes tres aos. Se
han totalizado las cifras de ventas correspondientes a los
ltimos diez aos:
Ejemplo
Solucin
Ventas anuales (miles de unid.)
Ao
1
(y)
Periodo
(x)
x2
xy
1,000
1,000
1,300
2,600
1,800
5,400
2,000
16
8,000
2,000
25
10,000
2,000
36
12,000
2,200
49
15,400
2,600
64
20,800
2,900
81
26,100
10
3,200
10
100
32,000
x = 55
x2 = 385
xy = 133,300
Totales
y = 21,000
Solucin
Resolvamos ahora despejando los valores de a y de b:
a = (385)(21,000) - (55)(133,300)
10(385) - (55)2
a = 913.333
b = (10)(133,300) - (55)(21,000)
825
b = 215.785
Solucin
Ahora que conocemos los valores de a y de b, podemos
utilizar la ecuacin de regresin para pronosticar las ventas de
aos futuros:
Y = 913.333 + 215.758X
Si deseamos pronosticar las ventas en miles de unidades para
los tres aos siguientes, podramos reemplazar 11, 12 y 13,
que son los tres valores siguientes de X, en la ecuacin de
regresin de X:
Solucin
Y11 = 913.333 + 215.758(11) = 3,286.7, o 3,290 miles de
unidades
Y12 = 913.333 + 215.758(12) = 3,502.4, o 3,500 miles de
unidades
Y13 = 913.333 + 215.758(13) = 3,718.2, o 3,720 miles de
unidades
Solucin
Ao
1
Ventas anuales (miles de
unid.) (y)
Periodo
(x)
x2
xy
Pronstico
1,129
1,000
1,000
1,300
2,600
1,345
1,800
5,400
1,561
2,000
16
8,000
1,776
2,000
25
10,000
1,992
2,000
36
12,000
2,208
2,200
49
15,400
2,424
2,600
64
20,800
2,639
2,900
81
26,100
2,855
10
3,200
10
100
32,000
3,071
11
11
3,287
12
12
3,502
13
13
3,718
Solucin
Anlisis de Regresin Lineal
Ventas Miles de unidades
4,000
3,500
3,000
Venta s
2,500
Regre sin
2,000
1,500
1,000
500
1
Perodos
10 11 12 13
Solucin
Calculo del coeficiente de correlacin:
r = 0.9702
Calculo del coeficiente de determinacin:
r2 = 0.9412 o 94.12%
Calculo del error estndar de pronostico
Sxy = 173.0 miles de unidades
Solucin
Estableciendo rangos: para un nivel de significancia 0.01 y a n2 grados de libertad, para la demanda pronosticada del
perodo 11 tenemos:
LS = 3,286.7 + 1.86(173) = 3,610 miles de unidades.
LI = 3,286.7 - 1.86(173) = 2,960 miles de unidades.
Interpretacin: Existe una probabilidad del 90% de que
nuestras ventas anuales del prximo ao queden entre 3,610
y 2,960 miles de unidades. Slo existe una probabilidad del
10% de que nuestras ventas caigan fuera de este lmite.
Nuestra mejor estimacin es 3,290 miles de unidades.
