UNIVERSIDAD DE TARAPACÁ

Área de Ingeniería Industrial

Métodos de pronósticos de la
Demanda

Alumno: Zocimo Silva C.

Asignatura: Marketing.
Profesor: Fernando Rosales B.
Fecha: 02/07/2019.

Iquique-Chile
Índice
1. Introducción ................................................................................................................................ 3
1.1. Objetivos Generales............................................................................................................. 4
1.2. Objetivos Específicos ........................................................................................................... 4
2. Desarrollo .................................................................................................................................... 5
2.1. Análisis de regresión ........................................................................................................... 6
2.1.1. ¿Cuándo utilizar el análisis de Regresión? .................................................................. 6
2.1.2. Tipos de relación ......................................................................................................... 7
2.1.3. Ejemplo de calculo ...................................................................................................... 8
2.2. Método Delphi .................................................................................................................. 12
2.2.1. Ventajas y desventajas de aplicar el método Delphi ................................................ 13
2.3. Método de pronóstico de suavización exponencial simple .............................................. 14
2.3.1. ¿Cuándo se debe utilizar este método de pronóstico? ............................................ 14
3. Conclusiones.............................................................................................................................. 16
4. Referencias ................................................................................................................................ 17
 1. Introducción

En el escenario del mercado competitivo, es de importante relevancia que los gerentes o directivos
de las empresas logren saber que es lo que sus clientes necesitan y deseen adquirir (“yo no vendo
lo que quiero, vendo lo que el cliente quiere”), en base a esto se utilizan distintos tipos de
pronósticos de la demanda.

Muchas de las técnicas de pronósticos utilizadas hoy en día, remontan su origen al siglo XIX, como
lo es la regresión lineal, pero con el desarrollo de las computadoras se comenzaron a realizar
técnicas mas complejas, lo que provoco que los pronósticos recibieran más atención durante los
años más recientes. En la actualidad todos o la gran mayoría de los administradores de empresas
poseen la capacidad de utilizar técnicas de análisis de datos complejos para fines de pronósticos
más asertivos o de menos incertidumbre, hoy en día se siguen desarrollando técnicas de pronósticos
para enfocarse principalmente en tener la menor incertidumbre en el calculo y, por ende, que estos
traten de coincidir lo mas cercano posible a los cambios futuros.

Para Henry Fayol, precursor de la administración científica, la predicción formaba parte de la

planeación, por lo que era de sumo enfoque tener implícito este proceso en las funciones
administrativas. Sin embargo, años más tarde se separó esta función de la planeación para
convertirla en una función específica por sí misma.

Ante el desarrollo de esta herramienta, es de suma importancia que los administradores entiendan
que es y por qué se debe realizar un pronóstico.

Según Chase Aquilano Jacobs, en su libro “Administración de operaciones y producción” señala que
las proyecciones o pronósticos representan una herramienta de vital importancia para toda la
organización empresarial y para toda decisión gerencial. La proyección constituye la base de la
planeación corporativa a largo plazo. Así mismo, Norman Gaither Greg Frazier, autor de libros de
administración como “administración de producción y operaciones” señala los pronósticos como el
primer paso para la planeación es el pronóstico, es decir estimar la demanda futuro del producto y
servicio en base a los recursos necesarios para producirlos.

Aunque finalmente, se cree que la definición mas general y completa es la establecida por Rojas
Díaz Alberto, autor del libro Pronostico de Costos, quien define los pronósticos de la demanda como
un método mediante el cual se intenta conocer el comportamiento futuro de alguna variable con
algún grado de certeza, donde estos están disponibles en tres grupos de métodos de pronósticos,
los cuales son Cualitativos, los de proyecciones históricas y los causales. Estos se diferencian entre
sí por la precisión relativa del pronostico del largo plazo en comparación con el corto plazo, el nivel
de herramientas matemáticas requerido y finalmente la base de conocimiento como sustrato de sus
proyecciones.

Se debe saber que un pronostico no representa la verdad absoluta, ya que solo es una aproximación
hacia un resultado esperado y calculado, su objetivo principal es reducir la incertidumbre acerca de
lo que puede acontecer en el futuro proporcionando información cercana a la realidad que permita
tomar decisiones.

Con los pronósticos de la demanda se puede pronosticas cualquier situación o variable a la que
pueda identificársele un patrón o relación. Aunque se presenta de forma mas compleja en el área
de la economía, los negocios y el Marketing, donde tales cambios son mayores a mayor tiempo lo
que disminuye la probabilidad de acierto, y por ende, pueden ser proyecciones para una
planificación estratégica de estudio de Marketing y la proyección de clientes que pueda tener la
empresa o negocio a estudio.

Finalmente se entiende que, hablar de pronóstico en ingeniería es plantearnos algo que puede darse
en el futuro, pero no implica considerar todas las alternativas posibles de futuro con las que se
pueda interactuar. Para ello, debemos referirnos a algo más amplio y diversificado, por ende, el
propósito de este informe es desarrollar tres tipos de pronósticos, de la alta gama de estos que
existen y mediante estas herramientas utilizar una para representar una situación económica
presente en el mundo actual.

1.1. Objetivos Generales

 Identificar y comprender la importancia de los pronósticos de la demanda en el mercado

 Desarrollar distintos tipos de pronósticos de la demanda, con el propósito de entender la
funcionalidad de cada uno

1.2. Objetivos Específicos

 Calcular un pronostico de la demanda utilizando variables de un caso real

 Diferenciar incertidumbre en cada método de estudio
 2. Desarrollo

¿Cuál es el mejor método de pronóstico?

Expuesto anteriormente, se observo que existen una variedad de métodos de pronósticos e incluso,
en la actualidad se tratan de seguir desarrollando métodos cada vez mas eficaces, pero se debe
entender que cada método tiene diversas características y distintas funciones para un único
proceso, por lo tanto, el método a elegir dependerá da:

1. Depende de los datos, el propósito y la perspectiva del pronosticador

2. Dependerá de las propiedades de los datos:
a) Datos diarios, mensuales, trimestrales, etc.
b) Cantidad de datos históricos con que contamos
c) Series con o sin tendencia, con o sin estacionalidad
3. Dependerá del horizonte que se requiera.

Los métodos de pronósticos se pueden clasificar en dos tipos, los cuales son:

1. Métodos subjetivos (cualitativos): No se basan sobre el análisis estadístico de los datos

históricos sino sobre la expresión personal
2. Métodos objetivos (Cuantitativos): Se basan en el manejo de datos numéricos históricos.

La forma general de hacer un pronostico es la siguiente (Cuadro1)

Cuadro1. Modelo general de realización de pronósticos de la demanda

Fuente: www.mind.com.co

En este informe se desarrollarán 3 tipos de pronósticos, los cuales son Análisis de regresión,
regresión múltiple y series de tiempo.
 2.1. Análisis de regresión

El modelo de pronóstico de regresión lineal permite hallar el valor esperado de una variable
aleatoria a cuando b toma un valor especifico. La aplicación de este método implica un supuesto de
linealidad cuando la demanda presenta un comportamiento creciente o decreciente, por tal razón,
se hace indispensable que previo a la selección de este método exista un análisis de regresión que
determine la intensidad de las relaciones entre las variables que componen el modelo.

Existen medidas de la intensidad de la relación que presentan las variables que son fundamentales
para determinar en que momento es conveniente utilizar regresión lineal.

El objetivo de un análisis de regresión es determinar la relación que existe entre una variable
dependiente y una o mas variables independientes. Para poder realizar esta relación, se debe
postular una relación funcional entre las variables.

Cuando se trata de una variable independiente, la forma funcional que más se utiliza en la práctica
es la relación lineal. El análisis de regresión entonces determina la intensidad entre las variables a
través de coeficientes de correlación y determinación.

2.1.1. ¿Cuándo utilizar el análisis de Regresión?

El análisis de regresión es pertinente cuando se evidencia una tendencia en los datos históricos del
pronóstico, generalmente realizando tablas y calculando la correlación que existe entre las variables
demanda y el tiempo.

La factibilidad de los datos está en base al resultado que entrega el coeficiente de correlación (r). El
coeficiente de correlación, comúnmente identificado como r o R, es una medida de asociación entre
las variables aleatorias X e Y, cuyo valor varia entre -1 y 1 (cuadro 2), el cual permitirá entender que
tanta correlación existe entre la demanda y el tiempo.

a) Correlación perfecta: Cuando el resultado de coeficiente es igual a -1 o 1. En el caso de ser

así existe una relación directamente proporcional entre la demanda y el tiempo
b) Correlación fuerte: Cuando el resultado es mayor a 0.5 y menor que 1 (correlación positiva)
o menor a -0.5 y mayor que -1 (correlación negativa).
c) Correlación Débil: Se refiere a los valores que están entre -0,5 y 0,5

Cuadro 2. Medida de coeficiente de correlación

Fuente: www.IngenieriaIndustrialonline.com
El calculo de este coeficiente se realiza de la siguiente forma:
𝑛 ∑𝑛 𝑛 𝑛
𝑖=1 𝑋𝑖 𝑡𝑖− ∑𝑖=1 𝑋𝑖 ∙∑𝑖=1 𝑡𝑖
𝑟= (1)
√[𝑛 ∑𝑛 2 𝑛 2 𝑛 2 𝑛 2
𝑖=1 𝑡 𝑖 −(∑𝑖=1 𝑡𝑖 ) ][𝑛 ∑𝑖=1 𝑋 𝑖 −(∑𝑖=1 𝑋𝑖 ) ]

Donde t hace referencia a la variable tiempo y X a la variable demanda.

Además del factor de correlación, al momento de analizar las variables y que estas sean graficadas,
en la regresión lineal se presenta una ecuación que relaciona las variables de tiempo con
demanda, representada con la ecuación de la reca

𝑌 = 𝑎 + 𝑏𝑋 (2)

Donde Y corresponde a la variable dependiente o nuestro pronostico calculado para un periodo, 𝑎

a la secante de la función, b a la pendiente de la recta y finalmente X que es la variable independiente
por estudiar.

2.1.2. Tipos de relación

Los modelos de regresión dependiendo de la relación de datos, el resultado del coeficiente de

correlación (r) de datos pueden ser distintos, además de tener funciones distintas, como lineal,
cuadrática, cubica, etc. los cuales están representados en el Cuadro 3.

Cuadro 3. Tipos de relación de datos, análisis de regresión.

Fuente: support.minitab.com
En el ámbito de las regresiones para estimaciones de demanda la más usada es la lineal, donde
existen relaciones entre la recta que da la función y los puntos, los cuales indican el buen o mal
ajuste que esta tiene en relación a los datos o que tanto representa la recta a la relación de datos,
para una mejor comprensión de lo antes expuesto se interpreta el Cuadro 4.

Cuadro 4: Relaciones entre variables

Fuente: Halweb.uc3m.es

2.1.3. Ejemplo de calculo

Para el mejor entendimiento de lo que conlleva el análisis de regresión, en este caso regresión lineal,
se realizara un ejemplo de cálculo utilizando Excel, en relación con las ventas de la empresa Apple
dado un periodo de tiempo, en este caso años (Cuadro 5).

Cuadro 5. Gráfico de datos de ventas (en miles de dólares) por año de la empresa Apple entre 2004-2017

Fuente: es.Statista.com
¿Cómo se podría estimar la demanda de los años 15, 16 y 17?

Para empezar a hacer el cálculo, lo primero a realizar es la estimación de parámetros, que se realiza
utilizando el método de mínimos cuadrados, este nos permite encontrar la recta que mejor se ajusta
a un conjunto de datos dados. En este caso, este conjunto de datos esta dado por las ventas
trimestrales, que representan las variables dependientes, y como variable independiente tenemos
el tiempo, entonces para la estimación de las variables a y b. Para encontrar la secante de la recta
(𝑎) utilizamos una variable de la ecuación 2, esta vez utilizando la variable Y con relación a los
promedios de Y (𝑌̅), y la variable X en relación con los promedios de X (𝑥̅ ).

𝑎 = 𝑌̅ − 𝑏𝑥̅ (3)

En cambio, para encontrar la variable b se utiliza la siguiente identidad

∑ 𝑥𝑦−𝑛𝑥̅ 𝑦̅
𝑏= ∑ 𝑥 2 −𝑛𝑥̅ 2
(4)

Para la realización de estos cálculos, se calcularon los datos del Cuadro 5, para promedio de
periodos, demanda, sumatoria de xy, sumatoria de 𝑥2 y finalmente sumatoria de 𝑦2
representado en el cuadro 6.

Cuadro 6. Calculo de datos mediante software Excel

Fuente: Elaboración Propia

Obtenidos estos datos, se puede realizar el cálculo de las variables.

Datos
𝑦̅ = 116.90
𝑥̅ = 7.5
𝑛 = 14
∑ 𝑥 2 = 1015
∑ 𝑥𝑦 = 16855.48

Calculo:
∑ 𝑥𝑦 − 𝑛𝑥̅ 𝑦̅ 16855.48 − 14 ∙ (7.5)(116.90)
𝑏= = = 20.14
∑ 𝑥 2 − 𝑛𝑥̅ 2 1015 − 14 ∙ (7.5)2
𝑎 = 𝑌̅ − 𝑏𝑥̅ = 116.90 − 20.14 ∙ 7.5 = −34.15
𝑌1 = 𝑎 + 𝑏𝑋 = −34.15 + 20.14 ∙ 1 = −14.01
𝑌2 = 𝑎 + 𝑏𝑋 = −34.15 + 20.14 ∙ 2 = 6.13
Proyecciones de demanda para años futuros

𝑌15 = 𝑎 + 𝑏𝑋 = −34.15 + 20.14 ∙ 15 = 267.95

𝑌16 = 𝑎 + 𝑏𝑋 = −34.15 + 20.14 ∙ 16 = 288.09
𝑌17 = 𝑎 + 𝑏𝑋 = −34.15 + 20.14 ∙ 17 = 308.23
Mediante estas proyecciones se puede completar la tabla de pronósticos de la demanda (Tabla 2)
y realizar el grafico con su respectivo coeficiente de correlación (Gráfico 1).
Tabla 2. Resultado de pronósticos de la demanda.

Periodo (x) Demanda (y) xy x^2 y^2 Pronostico (Y)

1 8,2 8,2 1 67,24 -14,01
2 13,9 27,8 4 193,21 6,13
3 19,3 57,9 9 372,49 26,27
4 24,6 98,4 16 605,16 46,41
5 37,5 187,5 25 1406,25 66,55
6 65,2 391,2 36 4251,04 86,69
7 108,2 757,4 49 11707,24 106,83
8 156,5 1252 64 24492,25 126,97
9 170,9 1538,1 81 29206,81 147,11
10 170,9 1709 100 29206,81 167,25
11 182,8 2010,8 121 33415,84 187,39
12 233,72 2804,64 144 54625,0384 207,53
13 215,64 2803,32 169 46500,6096 227,67
14 229,23 3209,22 196 52546,3929 247,81
15 267,95
16 288,09
17 308,23
 Demanda pronosticada mediante analisis de
regresión
300

250

200

150

100 y = 20.137x - 34.125

R² = 0.9483
50

0
0 2 4 6 8 10 12 14 16
-50

Demanda (y) Pronostico (Y) Linear (Demanda (y))

Gráfico 1. Demanda pronosticada mediante regresión lineal

Fuente: Elaboración Propia

Dada la gráfica, las ecuaciones y principalmente el coeficiente de correlación, que comprende un

0,9483, lo que quiere decir que es una correlación fuerte y que ve representado los datos mediante
este pronóstico, aunque posee un error estándar de 34,125, se puede apreciar un pronóstico
asertivo que puede ser afectado por factores externos, como las fluctuaciones del mercado,
problemas internos de la compañía, etc.
 2.2. Método Delphi

El método Delphi probablemente es el método de pronostico de ventas cualitativo que mas se

utiliza. Su nombre proviene del oráculo Delfos en la antigua Grecia y consiste en un proceso de
varias etapas (iterativo) y considera la participación de un grupo de expertos.

En la primera etapa cada persona del grupo debe proporcionar una respuesta escrita a las preguntas
que se le hacen, para luego tabular dichas respuestas y realimentar al grupo con ellas, incluyendo
alguna elaboración en base a valores estadísticos (promedio, desviación estándar, varianza, etc). A
continuación, y de existir un cierto grado de dispersión en las respuestas originales, se pide a cada
miembro del grupo que reconsidere sus respuestas anteriores responda de nuevo las preguntas. Las
respuestas de la segunda etapa se vuelven a resumir y se da feedback al grupo para una tercera
etapa, y así sucesivamente. Este proceso se repite hasta alcanzar un grado suficiente de acuerdo,
utilizándose como pronósticos los resultados de la última etapa.

De esta forma las ideas y percepciones de un grupo que en general es de naturaleza heterogénea
va convergiendo progresivamente a consensos, lo cual ayuda a disminuir el riesgo asociado a la toma
de decisiones en el ámbito de los pronósticos de demanda.

Respecto a lo anterior, una representación esquemática del método Delphi se representa en el

cuadro 7.

Cuadro 7. Modelo esquemático de la metodología Delphi para pronóstico de demandas

Fuente: www.gestiondeoperaciones.net
 2.2.1. Ventajas y desventajas de aplicar el método Delphi

Como toda herramienta de pronostico de la demanda, el método Delphi no se usa en todos los
casos, ya que posee ciertas desventajas que van directamente relacionado con los costos de realizar
la operación, dado esto se entiende que si se quiere realizar este método para el pronostico de la
demanda de forma cualitativa, se deberá tener un presupuesto adecuado a la operación y utilizarla
de forma análoga con otro método que sea cuantitativo.

Entre las ventajas de este modelo se encuentra que:

 Es flexible al captar diversidad de opiniones, las cuales son entregadas de forma anónima y
confidencial
 El consenso logrado presenta alto grado de confiabilidad
 Permite el involucramiento de los expertos con el problema, permitiendo su
relacionamiento de forma anónima con otros expertos, lo que aporta al flujo de
información,
 Evita el protagonismo de uno o más expertos sobre otros, garantizando una igual
participación
 Permite encontrar la formación de un criterio con un alto nivel de objetividad

Y las desventajas de este modelo presentado son:

 Al involucrar y comunicar a diversos actores, el tiempo que se puede tomar la aplicación del
método puede ser más del esperado.
 Requiere de expertos, lo cual puede presentar una desventaja dependiendo de la temática
a abordar
 Requiere la disponibilidad absoluta de los expertos y canales de comunicación para asegurar
el flujo de información
 El cuestionario por realizar es vital para el éxito en la aplicación del método, por ende, si
existe un mal cuestionario, las conclusiones serán malas.
 Requiere de un gran desembolso económico para la contratación de expertos, organización
del papeleo, etc.
 2.3. Método de pronóstico de suavización exponencial simple

El método de suavización o suavizamiento exponencial simple puede considerarse como una

evolución del método de promedio móvil ponderado, en este caso se calcula el promedio de una
serie de tiempo con un mecanismo de autocorrección que busca ajustar los pronósticos en dirección
opuesta a las desviaciones del pasado mediante una corrección que se ve afectada por un
coeficiente de suavización.

Por ende, este modelo de pronostico necesita tan solo de tres tipos de datos, que son: El pronostico
del ultimo periodo, la demanda del ultimo periodo y el coeficiente de suavización.

2.3.1. ¿Cuándo se debe utilizar este método de pronóstico?

El pronóstico de suavización exponencial simple es optimo para patrones de demanda aleatorios o

nivelados donde se pretende eliminar el impacto de los elementos irregulares históricos mediante
un enfoque en periodos de demanda reciente, este posee una ventaja sobre el modelo de promedio
móvil ponderado ya que no requiere de una gran cantidad de periodos y de ponderaciones para
lograr óptimos resultados.

Para el calculo de este método de pronóstico se utilizan la siguiente formula:

𝑥̂𝑡 = 𝑥̂𝑡−1 + (𝑎 ∙ (𝑥𝑡−1 − 𝑥̂𝑡−1 )) (5)

Con:
2
𝑎= (6)
𝑛+1
Donde:

𝑥̂𝑡 = Se refiere al promedio de ventas en unidades del periodo t

𝑥̂𝑡−1 = Representa el pronostico de venas en unidades del periodo t-1

𝑥𝑡−1 = Representa las ventas reales en unidades del periodo t.1

𝑎= Corresponde a el coeficiente de suavización, que suele estar entre (0,0 y 1,0)

Cabe destacar que al final de cada periodo debe hacerse un nuevo pronostico de demanda
utilizando este método.

En el caso de la formula (5), la cual se interpretaría como:

“Nuevo promedio exponencial = antiguo promedio exponencial + Coef.Suav (demanda actual-

pronostico)”

Si se utiliza en este caso el promedio exponencial de un periodo como pronostico para el periodo
siguiente, se obtiene un proceso que permite revisar el promedio de ventas de forma ascendente o
descendente, dependiendo del error en el pronóstico. Si se resta la demanda actual al pronóstico,
se puede obtener el error experimental de este.
Cuando la demanda resulta ser mayor que el pronóstico, es necesario revisar el promedio en forma
ascendente; si la demande es menor que el pronóstico, habrá que hacer una revisión en orden
descendente.

Para el entendimiento de este método se realizará un ejemplo simple de cálculo. En este caso se
tiene el ejemplo de un vendedor de vehículos. Este en enero estimó unas ventas de 142 automóviles
para el mes siguiente. En febrero las ventas reales fueron de 153 automóviles. Utilizando una
constante de suavización exponencial de 0.20, se debe presupuestar las ventas del mes de marzo.

Datos:

𝑥̂𝑡−1 = 142

𝑥𝑡−1 = 153

𝑎= 0.2
Calculo utilizando Ecuación 5

𝑥̂𝑡 = 𝑥̂𝑡−1 + (𝑎 ∙ (𝑥𝑡−1 − 𝑥̂𝑡−1 )) = 142 + (0.2 ∙ (153 − 142)) = 144

Por lo tanto, se puede determinar que el pronostico de ventas para el periodo 3 correspondiente
al mes de marzo es equivalente a un total de 144 automóviles.

Como se puede observar mediante las formulas y el ejemplo simple de este método, es de suma
importancia utilizarlo cuando ya se tienen datos de pronósticos de periodos anteriores, debido a
que es el de más fácil calculo y además el más rápido para este tipo de pronostico de periodos
cortos, lo que podría resultar una desventaja si se quieren pronosticar periodos mas largos de
tiempo porque se debería hacer de forma ascendente uno por uno.
 3. Conclusiones

Con la realización e investigación de los métodos de pronósticos de la demanda, se puede apreciar

la variedad de herramientas que se tienen en el ámbito de la ingeniería para pronosticar distintos
tipos de demanda y en distintos ámbitos, como lo son la cualitativa y la cuantitativa, se puede
apreciar que existen métodos con mayor incertidumbre dependiendo de la variable a observar,
como lo pudo ser el método de suavización simple, como también existen métodos con mas costos
y que requieren de mas personal, que solamente el administrador de la empresa o el encargado de
la realización de pronósticos, como lo es el método Delphi. De igual manera se logro apreciar como
con un caso real, en este caso, el pronostico de ventas anuales de la empresa Apple mediante el uso
de método de Regresión lineal, pronosticar, si bien no de forma exacta, una aproximación muy
cercana a las ventas de los años siguientes como lo fue en los años 2017 y 2018.

Como contraparte a el uso de los métodos, se ve reflejado que la mayoría de los métodos
estadísticos, o mas profundamente, los utilizados en esta investigación no están sujetos o no
siempre toman las variables económicas como lo son las fluctuaciones en el mercado, caída en las
acciones o en el precio del dólar y cambios a lo largo de los años para realizar sus estimaciones,
utilizando lo que se conoce como “ceteris paribus” estas variables. Ante esto se cree que los
métodos de pronósticos, si bien cada vez son mas acertados, si se va a pronosticar demandas se
deberían tomar en cuenta variables de la ingeniería económica, con el propósito de percibir aun
mas exactitud en el cálculo de estas.

En lo que concierne a la relación de la realización de pronósticos y el Marketing, se logra apreciar

que, para la planeación de un plan estratégico de Marketing, e incluso para un estudio de marca, la
buena realización del pronóstico presenta una gran ventaja al momento de percibir como introducir
algún producto en el mercado, volver la producción de este a mayor volumen o disminuirla en
ciertos periodos de tiempo y principalmente para conocer la demanda del producto o servicio a
ofrecer.
 4. Referencias

[1] Betancourt, D. F. (24 de febrero de 2016). La regresión lineal para pronosticar la demanda.
Recuperado el 28 de junio de 2019, de Ingenio Empresa: www.ingenioempresa.com/regresion-lineal.

[2] Betancourt, D. F. (19 de diciembre de 2015). Método Delphi: Qué es y cómo se aplica. Recuperado
el 28 de junio de 2019, de Ingenio Empresa: www.ingenioempresa.com/metodo-delphi

[3] Support minitab (2013) Support minitab. Obtenido de https://support.minitab.com/es-

vvvvmx/minitab/18/help-and-how-to/graphs/how-to/scatterplot/interpret-the-results/key-results/

[4] Ing. Brayan Salazar Lopez (2016) Investigación de operaciones, Método de Regresión Lineal
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/pron%C3%B3stico-de-ventas/regresi%C3%B3n-lineal/

[5] B, chase, R., Jacobs, F., & j.Alquilano, N. (2007). Administración de operaciones y producción
(12va ed.). Mc. Graw Hill.

[6] E. Hanke, J., & G.Reitsh, A. (1996). Pronostico en los negocios (5ta ed.). Eastern Washington
University: Prentice Hall.