Beruflich Dokumente
Kultur Dokumente
Pronsticos y proyecciones.
Pronsticos y proyecciones.
a. Anlisis de regresin.
Conceptos clave
Regresin lineal simple.
De forma general, podemos mencionar que este tipo de anlisis tiene dos propsitos, el
primero es comprender la relacin que existe entre variables tales como las ventas de un
restaurante de comida rpida y los gastos que se hacen para promocionar ese
restaurante. El segundo, es predecir el valor de una variable con base en el valor de la
otra.
Para un mejor entendimiento del modelo de regresin lineal simple es importante conocer
sus caractersticas ms relevantes, entre las que encontramos:
Utilizando el modelo de regresin lineal simple, es posible obtener una ecuacin que
muestre la relacin entre la variable dependiente y (volumen de ventas) y la variable
independiente x (nmero de estudiantes).
Para ilustrar esto de una forma prctica, regresemos al ejemplo de los restaurantes de
comida rpida, y a travs del uso del mtodo denominado como de mnimos cuadrados,
definamos la ecuacin de regresin simple estimada. En principio, consideremos los datos
con los que trabajaremos y que bsicamente contemplan las ventas promedio mensuales
de cada restaurante (y), y la poblacin estudiantil del campus universitario cercano a cada
restaurante (x).
Decidido esto, la tarea siguiente es usar los datos de la muestra (ventas, poblacin de
estudiantes), para determinar los valores de b0 y b1 en la ecuacin de regresin lineal
simple, utilizando la siguiente antes mencionada:
Donde
Ahora bien, en la aplicacin del mtodo de los mnimos cuadrados se usan los datos de la
muestra para la obtencin de los valores de b0 y b1 que minimicen la suma de los
cuadrados de las desviaciones (diferencias) entre los valores observados de la variable
dependiente y los valores estimados de la variable independiente.
b1 = (xi - x) (yi - y)
(xi - x)2
b0 = y - b1 x
Donde,
xi = Valor de la variable independiente en la observacin i.
yi = Valor de la variable independiente en la observacin i.
x = Promedio de la variable independiente.
y = media de la variable dependiente.
Para iniciar el clculo de b1, obtenemos primero los promedios de ambas variables:
Poblacin de Ventas
Restaurante
estudiantes mensuales
i xi yi
(Miles) (Miles $)
1 2 58
2 6 105
3 8 88
4 8 118
5 12 117
6 16 137
7 20 157
8 20 169
9 22 149
10 26 202
Promedios = 14 130
Y una vez que obtenemos los promedios, determinamos cada una de las columnas
necesarias para aplicar la frmula, con sus respectivas sumatorias:
Poblacin de Ventas
Restaurante
estudiantes mensuales
2
i xi yi ( xi -x ) ( yi -y ) ( xi -x )( yi - y ) ( xi -x )
(Miles) (Miles $)
2,840 568
Promedios = 14 130
b0 = y - b 1 x = 130 - 5(14) = 60
= 60 + 5X
Podemos observar en la ecuacin que la pendiente (b1=5), por lo que a medida que
aumenta el tamao de la poblacin estudiantil, aumentan las ventas. A travs de la
ecuacin definida, podemos interpretar y concluir que se espera que las ventas aumenten
5 por cada estudiante que tambin aumente.
= 60 + 5(15) = 135
De manera que las ventas pronosticadas para el restaurante cercano a este campus
sern de 135,000. As, podemos utilizar la ecuacin para al sustituir la poblacin
estudiantil de cualquier campus, obtener las ventas estimadas.
Una vez cargados los datos en la hoja, seleccionamos los datos de xi y de yi:
Una vez seleccionada, nos genera la grfica de dispersin de los datos que
seleccionamos:
Ya con la grfica de dispersin nos ubicamos en ella y la seleccionamos (con doble click).
Desplegamos los diferentes tipos de grficas:
Y en los tipos de grficos que nos despliega el men, seleccionamos la que tiene una fx: