Professional Documents
Culture Documents
Objetivos:
(1) Realizar proyecciones para una variable
(2) Determinar la existencia de alguna relación entre dos variables
Regresión lineal ==> se busca una ecuación lineal que se ajuste a los datos históricos
Pero, ahora se determina la relación que hay entre las dos variables
En función al coeficiente de correlación se tiene el coeficiente de determinación R 2
El coeficiente nos dá el nivel de confiabilidad de las estimaciones (del grado de relación de las dos variables)
Tabla comparativa
Tipo de regresión Ecuación Coeficiente de determinación
Exponencial y = 124,74e0,0125x 83.03%
Lineal y = 1,6678x + 124,58 83.41%
Logarítmica y = 8,1652ln(x) + 121,82 87.85%
Polinómica y = -0,1456x2 + 3,5607x + 120,16 89.34%
Potencial y = 122,13x0,0614 88.47%
Para proyectar las ventas para los cuatro periodos siguientes, debe utilizar la regresión polinómica
por presentar el mayor coeficiente de determinación.
Ventas
Periodo
estimadas
13 142
14 141
15 141
16 140
Estas son las ventas que se tendrán en los siguientes 4 periodos, con un nivel de confiabilidad del 89,34%
entas
8484848485
8 10 12 14
Donde: X = periodo
y = ventas
a = 124,58 (constante)
b = 1,6678 (pendiente de la recta)
R = coeficiente de correlación
varía entre -1 a +1
-1 ≤ R ≤ +1
lación de las dos variables)
4602217749195 x )
10 12 14
sión logarítmica
2 4 6 8 10 12 14
sión potencial
) = 122.127198802585 x^0.0613529535098854
= 0.884679225565486
2 4 6 8 10 12 14
determinación
esión polinómica
Tabla comparativa
Tipo de regresión Ecuación Coeficiente de determinación
Exponencial y = 261,2e-0,031x 86.14%
Lineal y = -6,8916x + 259,38 84.42%
Logarítmica y = -34,38ln(x) + 271,84 92.32%
Polinómica y = 0,7135x2 - 16,168x + 281,02 92.87%
Potencial y = 275,36x-0,154 91.44%
Proyectamos las ventas para enero a abril del siguiente año, utilizando la regresión polinómica
Ventas
Mes X Con la lineal
estimadas
Enero 13 191 170
Febrero 14 195 163
Marzo 15 199 156
Abril 16 205 149
Mayo 17 212 142
Junio 18 221 135
Julio 19 231 128
Agosto 20 243 122
Septiembre 21 256 115
Octubre 22 271 108
Noviembre 23 287 101
Diciembre 24 304 94
Estas son las ventas estimadas para los siguientes meses del siguiente año, con un nivel se confiabilidad del 92,87%
313121958001734 x )
8 10 12 14
sión logarítmica
2 4 6 8 10 12 14
gresión potencial
x) = 275.359444207898 x^-0.153890976004178
= 0.914408881175932
2 4 6 8 10 12 14
fiabilidad del 92,87%
Ejemplo
Año Demanda
2012 15,600 Demanda
2013 17,250
30,000
2014 18,470
2015 19,820 25,000
2016 20,570 f(x) = 1132.83333333333 x − 2263245.33333333
R² = 0.992432657350528
2017 21,750 20,000
2018 22,370
15,000
2019 23,970
2020 25,120 10,000
5,000
0
2011 2012 2013 2014 2015 2016 2017 2018 2019 202
Cunado se tiene cantidades grandes, lo mejor es trabajar con cifras pequeñas en una de las dos variables
Año x Demanda
2012 12 15,600 Regresión exponencial
2013 13 17,250
27,000
2014 14 18,470
2015 15 19,820 25,000 f(x) = 8280.27252211965 exp( 0.0561435769249
23,000 R² = 0.98143815315855
2016 16 20,570
2017 17 21,750 21,000
2018 18 22,370 19,000
2019 19 23,970
17,000
2020 20 25,120
15,000
10 12 14 16 18 2
Tabla comparativa
Tipo de regresión Ecuación Coeficiente de determinación
Exponencial y = 8280,3e 0,0561x
98.14%
Lineal y = 1132,8x + 2421,3 99.24%
Logarítmica y = 17801ln(x) - 28572 99.31%
Polinómica y = -17,435x2 + 1690,8x - 1925,8 99.36%
Potencial y = 1759,7x0,8868 99.23%
33 x − 2263245.33333333
28
nencial
16 18 20 22
Regresión logarítmica
27,000
25,000
f(x) = 17801.3289541884 ln(x) − 28571.7661860391
23,000 R² = 0.993088283458894
21,000
19,000
17,000
15,000
10 12 14 16 18 20 22
Regresión potencial
27,000
25,000
f(x) = 1759.7438036374 x^0.886834865948769
23,000 R² = 0.99234411319634
Regresión potencial
27,000
25,000
f(x) = 1759.7438036374 x^0.886834865948769
23,000 R² = 0.99234411319634
21,000
19,000
17,000
15,000
10 12 14 16 18 20 22
determinación
Año X Ventas
2012 12 12,530
2013 13 11,674
2014 14 12,861 Regresión lineal
2015 15 13,425 16,000
2016 16 14,327 15,000
2017 17 13,842 14,000 f(x) = 149.911764705882 x + 10942.7647058824
2018 18 15,367 13,000 R² = 0.135519839920616
2019 19 12,000
2020 20 11,000
2021* 21 12,405 10,000
Hasta el mes de noviembre 9,000
8,000
Proyectar las ventas para los siguientes 3 años 7,000
Año 6,000
2022 10 12 14 16 18 20
2023
2024
l
69697 x + 17406.6
9555
16 18 20 22
5882 x + 10942.7647058824
0616
16 18 20 22