Problema 1: Regresión Lineal
SiderPerú S.A. produce fierro corrugado para la industria de la construcción. Durante más de
operado a casi plena capacidad. El gerente de planta, estima que el crecimiento en las vent
pronóstico a largo plazo que se usará para planear las necesidades de las instalaciones pa
totalizado las cifras de ventas correspondientes a los últimos diez años:
Ventas en miles de unidades
Año Ventas
Resumen
1 75,600
2 80,400 Estadísticas de la regresión
3 95,600 Coeficiente de correlación múltiple
4 120,600 Coeficiente de determinación R^2
5 121,700 R^2 ajustado
6 128,000 Error típico
7 125,000 Observaciones
8 131,800
9 134,600 ANÁLISIS DE VARIANZA
10 138,900 Grados de liber
Regresión
Residuos
Total
Intercepción
Variable X 1
Y = 76900 + 6967.273X
Pronóstico:
Año Ventas
11 153540.00
12 160507.27
13 167474.55
cción. Durante más de un año, la planta de producción ha
ecimiento en las ventas continuará y desea desarrollar un
de las instalaciones para los siguientes tres años. Se han
Ventas Sider Perú S.A.
160,000
140,000
120,000
as de la regresión 100,000
Toneladas
0.922273544258 80,000
0.850588490438 60,000
0.831912051743 40,000
9377.283964211 20,000
10 0
1 2 3 4 5 6 7 8
Años
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
1 4004788364 4004788364 45.54339852 0.000145264
8 703467636 87933454.55
9 4708256000
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%
76900 6405.904473 12.00454991 2.13768E-06 62127.95779 91672.04221 62127.95779
6967.272727273 1032.404986 6.748584927 0.000145264 4586.54256 9348.002894 4586.54256
as Sider Perú S.A.
4 5 6 7 8 9 10
Años
Superior 95.0%
91672.04221
9348.002894
Problema 2: Regresión Lineal
Autonorte Import S.A. distribuidora de autos desea conocer el nivel de demanda para los próximos 5 años y
planificar en el mediano plazo sus operaciones referente a instalaciónes y distribución de planta. Para lo cua
siguiente información histórica de sus ventas:
Año Ventas (und) Ventas Autonort
1 780
1,400
2 820
1,200
3 890
1,000
4 850
Unidades
5 920 800
6 1,050 600
7 960 400
8 1,100 200
9 1,150 0
1 2 3 4 5 6
10 1,040
11 1,250 Año
12 1,320
a. Utilice la regresión lineal simple para pronosticar la cantidad anual unidades vendidas para cada uno de
b. Determine el coeficiente de correlación para los datos e interprete su significado.
c. Calcule el error estándar del pronóstico.
d. Grafique su modelo de pronóstico.
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple
Coeficiente de determinación R^2
R^2 ajustado
Error típico
Observaciones
ANÁLISIS DE VARIANZA
Regresión
Residuos
Total
Intercepción
Variable X 1
Y = 719.697 + 44.790X
Pronóstico:
Año Ventas (und)
13 1,301.97
14 1,346.76
15 1,391.55
16 1,436.34
17 1,481.13
para los próximos 5 años y asi poder
ción de planta. Para lo cual cuenta con la
Ventas Autonorte Import
,400
,200
,000
800
600
400
200
0
1 2 3 4 5 6 7 8 9 10 11 12
Años
endidas para cada uno de los cinco años siguientes.
as de la regresión
0.941715170278379
0.886827461932436
0.87551020812568
60.5065062289775
12
Grados de libertadSuma de cuadrados
Promedio de los cuadradosF Valor crítico de F
1 286881.2937 286881.2937 78.36065861 4.80138E-06
10 36610.37296 3661.037296
11 323491.6667
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95.0%
719.69696969697 37.23918033 19.32633757 2.9992E-09 636.7229052 802.6710342 636.7229052
44.7902097902098 5.059808239 8.852155591 4.80138E-06 33.51625447 56.06416511 33.51625447
Superior 95.0%
802.6710342
56.06416511
Problema 3 : Pronósticos Estacionales
La Gerencia de Ventas de Molino La Perla SAC trujillo, desea establecer su proyección financiera a mediano p
proyección de la demanda para el siguiente año por trimestre. Realizar dicha proyección utilizando el método
tiempo. Para tal efecto se cuenta con información de las ventas realizadas en los últimos tres años mes a mes
información.
Año
Mes
2010 2011 2012
Enero 12,500 14,375 15,813
Febrero 12,570 14,456 15,901
Marzo 13,050 15,008 16,508
Abril 13,780 15,847 17,432
Mayo 14,200 16,330 17,963
Junio 15,300 17,595 19,355
Julio 15,900 18,285 20,114
Agosto 16,000 18,400 20,240
Septiembre 15,200 17,480 19,228
Octubre 15,000 17,250 18,975
Noviembre 14,200 16,330 17,963
Diciembre 13,800 15,870 17,457
También se le solicita validar su modelo e interprete cada índice de valoración hallado.
Año Trimestre X Ventas (Y) PM 4trim PM Centrado V. Irregular
1 1 38,120
2 2 43,280 42,875
2010
3 3 47,100 44,305 43,590 1.081
4 4 43,000 45,928 45,116 0.953
1 5 43,838 47,694 46,811 0.936
2 6 49,772 49,306 48,500 1.026
2011
3 7 54,165 50,402 49,854 1.086
4 8 49,450 51,647 51,024 0.969
1 9 48,222 53,001 52,324 0.922
2 10 54,749 54,237 53,619 1.021
2012
3 11 59,582
4 12 54,395
Indices Estacionales
Trim-1 0.929
Trim-2 1.0235
Trim-3 1.0835
Trim-4 0.961
Pronóstico:
1 13 53,916
2 14 60,853
2013
3 15 65,957
2013
4 16 59,863
ón financiera a mediano plazo y para lo cual necesita la
ción utilizando el método de descomposición de series de
mos tres años mes a mes. Agrupar por trimestre la
Ventas Molino la Perla SA
V. Desest. 2010-2012
41033.37
70,000
42286.27
43470.24 60,000
44745.06 50,000
47188.37
Toneladas
40,000
48629.21
30,000
49990.77
51456.82 20,000
51907.21 10,000
53492.13 0
54989.85 1 2 3 4 5 6 7 8
56602.50 Trimestre
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.99692205
Coeficiente de determinación R^2 0.993853575
R^2 ajustado 0.993238932
Error típico 421.8735477
Observaciones 12
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF
Regresión 1 287782498 287782498 1616.961903
Residuos 10 1779772.902 177977.2902
Total 11 289562271
Coeficientes Error típico Estadístico t Probabilidad
Intercepción 39594.99392 259.6452199 152.4965256 3.61115E-18
Variable X 1 1418.613767 35.27883835 40.21146483 2.16436E-12
Y = 39594.993 + 1418.614X
Molino la Perla SAC
2010-2012
4 5 6 7 8 9 10 11 12
Trimestre
Valor crítico de F
2.16436E-12
Inferior 95% Superior 95% Inferior 95.0%Superior 95.0%
39016.46832 40173.51953 39016.46832 40173.51953
1340.007617 1497.219918 1340.007617 1497.219918
La presente información corresponde a las ventas de Bujía NGK
Las ventas corresponde a los tres últimos años y esta detallada
por Trimestres.
Se Pide:
a. Hacer un gráfico estadístico de las ventas históricas
b. Encontrar la ecuación de la regresión lineal
c. Hacer un pronóstico por trimestre para el año siguiente
Ventas
Año Trimestre X (miles)
Trim-1 1 356.254
Trim-2 2 390.567
2017
Trim-3 3 415.852
Trim-4 4 490.563
Trim-1 5 550.369
Trim-2 6 650.452
2018
Trim-3 7 720.369
Trim-4 8 880.457
Trim-1 9 980.458
Trim-2 10 1050.235
2019
Trim-3 11 1150.859
Trim-4 12 1200.025
Resumen
Estadísticas de la regresión
Coeficiente de correlación mú
Coeficiente de determinació
Pronóstico R^2 ajustado
Trim-1 13 1283.518 Error típico
Trim-2 14 1367.695 Observaciones
2020
Trim-3 15 1451.871
Trim-4 16 1536.047 ANÁLISIS DE VARIANZA
Grados de libertad
Regresión
Residuos
Total
Intercepción
Variable X 1
Y = 189.225 + 84.176X
Ventas Bujía NGK
1400
1200
1000
800
Miles
600
400
200
0
1 2 3 4 5 6 7 8 9 10 11 12
Trimestres
as de la regresión
0.98939706
0.97890654
0.97679719
46.7263258
12
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
1 1013249.91 1013249.91 464.080488 1.03679E-09
10 21833.4953 2183.34953
11 1035083.41
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
189.225167 28.7580656 6.57989899 6.23365E-05 125.148203 253.30213 125.148203 253.30213
84.1763846 3.90745166 21.5425274 1.03679E-09 75.4700398 92.8827295 75.4700398 92.8827295
perior 95.0%
Problema 1
Una empresa Fabrica caños de manija roja para agua, La Planta de producción esta ubicada en Huchiapa, La Empresa esta en e
nacional, la gestión de Robles, un Ing. Ind. Ha sido vital para su crecimiento, lo que no ha podido superar es que, el proceso de
Robles tiene descentralizados 3 almacenes para la distribución, en Lima, Trujillo y Arequipa, así cubre la mayor parte de la cost
muestran en la tabla 1.
Escenario 1: El ing. Robles necesita determinar la producción por trimestre para el año 2017, y poder hacer el Presupuesto an
Escenario 2: Se ha hecho un estudio de mercado, con la finalidad de abrir un almacén para el año 2018 en Iquitos, el estudio d
el primer trimestre y un crecimiento de 15% trimestral. ¿Como afecta la proyección de la demanda para el 2018?. -Considere l
para el 2017,
TABLA 1. Distribución Histórica de las ventas
Ventas en miles de unidades (Y)
Año Trimestre Lima Trujillo Arequipa Períodos (X)
Trim-1 56.25 24.58 28.45 1
2015 Trim-2 58.45 30.45 29.45 2
Trim-3 48.25 22.58 30.45 3
Trim-4 50.56 29.45 31.45 4
Trim-1 54.56 33.45 32.01 5
2016 Trim-2 58.45 35.62 33.45 6
Trim-3 60.25 36.01 34.25 7
Trim-4 65.32 37.4 35.05 8
Trim-1 62.25 39.80 36.09 9
2017 Trim-2 63.52 41.71 37.04 10
Trim-3 64.80 43.62 37.99 11
Trim-4 66.07 45.54 38.94 12 Iquitos
Trim-1 67.35 47.45 39.89 13 5.000
2018 Trim-2 68.62 49.36 40.84 14 5.750
Trim-3 69.90 51.28 41.79 15 6.613
Trim-4 71.17 53.19 42.74 16 7.604
Proyección de Producción 2017
Pros. Producción
Trim-1 138.14 153.49
2017 Trim-2 142.28 158.09
Trim-3 146.41 162.68
Trim-4 150.55 167.28
Proyección de Producción 2018
Pros. Producción
Trim-1 159.69 177.43
2018 Trim-2 164.58 182.86
Trim-3 169.58 188.42
Trim-4 174.70 194.12
1000
1 2 3 950
5%
Huchiapa, La Empresa esta en el mercado casi 2 años, y se ha expandido a nivel
o superar es que, el proceso de fabricación se pierde un 10% de la producción.
cubre la mayor parte de la costa y la sierra, los datos históricos por almacén se
poder hacer el Presupuesto anual necesario.
ño 2018 en Iquitos, el estudio de mercado arroja una demanda 5000 unidades en
nda para el 2018?. -Considere la proyección del Escenario 1 como datos reales
Ventas por almacen
2015-2016
70
60
50
40
Miles
30
20
10
0
1 2 3 4 5 6 7 8
Trimestres
Lima Trujillo Arequipa
Resumen
Estadísticas de la regresión
Coeficiente de correlación múl 0.57477312
Coeficiente de determinación 0.33036414
R^2 ajustado 0.21875816
Error típico 4.80221454
Observaciones 8
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 68.2635006 68.2635006 2.96009356 0.13613181
Residuos 6 138.367587 23.0612645
Total 7 206.631088
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%
Intercepción 50.7742857 3.74185542 13.5692805 9.94011E-06 41.6182953 59.9302761
Variable X 1 1.27488095 0.74099779 1.72049224 0.13613181 -0.53827532 3.08803723
Resumen
Estadísticas de la regresión
Coeficiente de correlación múl 0.85959973
Coeficiente de determinación 0.73891169
R^2 ajustado 0.69539697
Error típico 3.00798
Observaciones 8
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 153.640688 153.640688 16.98073 0.00621089
Residuos 6 54.2876619 9.04794365
Total 7 207.92835
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%
Intercepción 22.5857143 2.34379913 9.63636943 7.15135E-05 16.8506444 28.3207842
Variable X 1 1.91261905 0.46414139 4.12076813 0.00621089 0.77690598 3.04833212
Resumen
Estadísticas de la regresión
Coeficiente de correlación múl 0.998007
Coeficiente de determinación 0.99601797
R^2 ajustado 0.9953543
Error típico 0.15884504
Observaciones 8
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 37.8670095 37.8670095 1500.7685 1.97612E-08
Residuos 6 0.15139048 0.02523175
Total 7 38.0184
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%
Intercepción 27.5471429 0.12377106 222.565305 5.55164E-13 27.244286 27.8499997
Variable X 1 0.94952381 0.02451032 38.7397534 1.97612E-08 0.88954921 1.00949841
Inferior 95.0%
Superior 95.0%
41.6182953 59.9302761
-0.53827532 3.08803723
Inferior 95.0%
Superior 95.0%
16.8506444 28.3207842
0.77690598 3.04833212
Inferior 95.0%
Superior 95.0%
27.244286 27.8499997
0.88954921 1.00949841
Caso 2 CASO NESTLE
La siguiente es data histórica de ventas de tres productos, en miles de cajas, organizadas por trimestre,
realizar los gráficos para cada producto, y un modelo de pronostico, que permita proyectar sus ventas
para los dos últimos trimestres del año 2020 y para todo el año 2021
VENTAS HISTORICAS
(Miles de Cajas)
2017 2018
Trim-3 Trim-4 Trim-1 Trim-2 Trim-3
Chocolate donofrio Triangulo 790 1000 850 780 980
Chocolate Sublime 527 585 630 720 775
Chocolate Princesa 447 500 603 675 814
Producto (Presentación) Peso(kg)
Chocolate donofrio Triangulo 1.5 VENTA D
Chocolate Sublime 1.2 20
Chocolate Princesa 2.3 2500
2000
1500
1000
500
0
1 2 3 4 5
Triangulo
Chocolate donofrio Triangulo X Ventas PM 4T PM C VIE
Trim-3 1 790
Trim-4 2 1000 855.00
Trim-1 3 850 902.50 878.75 0.967283073
Trim-2 4 780 965.00 933.75 0.835341365
Trim-3 5 980 1015.00 990.00 0.98989899
Trim-4 6 1250 1062.50 1038.75 1.203369434
Trim-1 7 1050 1117.50 1090.00 0.963302752
Trim-2 8 970 1205.00 1161.25 0.835306781
Trim-3 9 1200 1287.50 1246.25 0.962888666
Trim-4 10 1600 1370.00 1328.75 1.204139229
Trim-1 11 1380
Trim-2 12 1300
Indices estacionales
Trim-1 0.965292912
Trim-2 0.835324073
Trim-3 0.976393828
Trim-4 1.203754332
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0.98351467
Coeficiente de determinación R^2 0.9673011
R^2 ajustado 0.96403121
Error típico 45.5752138
Observaciones 12
ANÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 614449.228 614449.228 295.820709 9.32758E-09
Residuos 10 20771.0011 2077.10011
Total 11 635220.229
Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
Intercepción 681.367943 28.0496051 24.2915343 3.18491E-10 618.8695283
Variable X 1 65.5503451 3.81119084 17.1994392 9.32758E-09 57.05848277
Chocolate Sublime X Ventas Resumen
Trim-3 1 527
Trim-4 2 585 Estadísticas de la regresión
Trim-1 3 630 Coeficiente de
Trim-2 4 720 Coeficiente d
Trim-3 5 775 R^2 ajustado
Trim-4 6 890 Error típico
Trim-1 7 1000 Observaciones
Trim-2 8 1200
Trim-3 9 1400 ANÁLISIS DE VARIANZA
Trim-4 10 1500 Grados de libertad
Trim-1 11 1750 Regresión
Trim-2 12 2000 Residuos
Total
Intercepción
Variable X 1
Chocolate Princesa X Ventas Resumen
Trim-3 1 447
Trim-4 2 500 Estadísticas de la regresión
Trim-1 3 603 Coeficiente de
Trim-2 4 675 Coeficiente d
Trim-3 5 814 R^2 ajustado
Trim-4 6 912 Error típico
Trim-1 7 1099 Observaciones
Trim-2 8 1231
Trim-3 9 1484 ANÁLISIS DE VARIANZA
Trim-4 10 1662 Grados de libertad
Trim-1 11 2004 Regresión
Trim-2 12 2244 Residuos
Total
Intercepción
Variable X 1
zadas por trimestre,
royectar sus ventas
8 2019 2020 2020
Trim-4 Trim-1 Trim-2 Trim-3 Trim-4 Trim-1 Trim-2 Trim-3
1250 1050 970 1200 1600 1380 1300 1497.322
890 1000 1200 1400 1500 1750 2000 1935.121
912 1099 1231 1484 1662 2004 2244 2189.561
VENTA DE CHOCOLATE Ven
2017 - 2020
3500
3000
2500
2000
1500
1000
3 4 5 6 7 8 9 10 11 12
500
Triangulo Sublime Princesa
0
1 2 3 4 5 6
Tria
V DES
809.099748
830.73429
880.561733
933.769329
1003.69336
1038.41786
1087.75273
1161.22596
1229.01228
1329.17486
1429.61787
1556.28222
or crítico de F
Superior 95%Inferior 95.0%
Superior 95.0%
743.866358 618.869528 743.866358
74.0422075 57.0584828 74.0422075
tadísticas de la regresión
0.97274087
0.94622479
0.94084727
118.401211
12
NÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
1 2466746.45 2466746.45 175.959299 1.13234E-07
10 140188.467 14018.8467
11 2606934.92
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
227.712121 72.8709079 3.1248701 0.01078422 65.3456201 390.078622 65.3456201 390.078622
131.339161 9.90120666 13.2649651 1.13234E-07 109.277898 153.400424 109.277898 153.400424
tadísticas de la regresión
0.97579434
0.95217459
0.94739204
136.900691
12
NÁLISIS DE VARIANZA
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
1 3731376.92 3731376.92 199.093848 6.28396E-08
10 187417.992 18741.7992
11 3918794.92
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%
Superior 95.0%
89.6060606 84.2565508 1.06349073 0.31256588 -98.1292338 277.341355 -98.1292338 277.341355
161.534965 11.4482109 14.110062 6.28396E-08 136.026762 187.043169 136.026762 187.043169
2020 2021
Trim-4 Trim-1 Trim-2 Trim-3 Trim-4
1924.891 1606.849 1445.256 1753.334 2240.517
2066.460 2197.800 2329.139 2460.478 2591.817
2351.096 2512.631 2674.166 2835.700 2997.235
Venta y Pronóstico
Chocolate
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Triangulo Sublime Princesa
perior 95.0%
perior 95.0%
