ACTIVIDAD DE REGRESION LINEAL SIMPLE Y MODELOS DE INVENTARIOS

I. Responda las siguientes preguntas:

1. ¿Cómo define usted el concepto de regresión simple?

2. ¿Cómo define usted el concepto de diagrama de dispersión y coeficiente de

regresión?

3. ¿Qué es un análisis de regresión simple?

4. Con una aplicación en su empresa calcule los parámetros de regresión simple y

defina sus características.

II. Realizar los siguientes ejercicios:

1. Los datos de la tabla adjunta muestran el tiempo de impresión (Y ) de trabajos que se han
imprimido en impresoras de la marca PR. Se está interesado en estudiar la relación existente
entre la variable de interés. tiempo de impresión de un trabajo. y la variable explicativa (X)
.número de páginas del trabajo. Utilizando estos datos ajustar un modelo de regresión.
2. Los artículos comprados a un proveedor cuestan $20 cada uno y el pronóstico de la demanda
para el año siguiente es de 1000 unidades. Si cada vez que se coloca un pedido cuesta $5 y el costo
de almacenaje es de $4 por unidad al año:

a) ¿Qué cantidades se deberían comprar por cada pedido?

3. La demanda anual es de D = 1000 unidades, la cantidad económica del pedido es de Q = 200

unidades, la probabilidad deseada de no sufrir desabasto es de P = 0.95, la desviación estándar de
la demanda durante el tiempo de entrega es de σ L = 25 unidades y el tiempo de entrega es L = 15
días. Determinar el punto de reorden, asumir que el año tiene 250 días laborales.

4. La demanda diaria de un producto se distribuye normalmente con una media de 60 y una

desviación estándar diaria de 7. El tiempo de entrega es de 6 días. El costo por colocar un pedido
es de $10 y el costo anual de mantener una unidad es de $0.50 por unidad. Suponiendo que las
ventas se hacen los 365 días del año, encontrar la cantidad óptima de pedido y el punto de
reorden necesarios para mantener una probabilidad de 95% de no sufrir desabastos durante el
tiempo de entrega.
Solución

1. ¿Cómo define usted el concepto de regresión simple?

La regresión lineal se pretende medir el grado de asociación de dos variables
aleatorias. Concretamente se quiere:
Investigar la naturaleza de la relación.
Construir modelos que describan la relación de las variables. Predecir el
comportamiento de una de ellas a partir de valores de la otra.

2. ¿Cómo define usted el concepto de diagrama de dispersión y coeficiente de

regresión?
Representación gráfica del grado de asociación entre dos variables cualitativas
Muestra la posibilidad de existencia de relación entre dos variables de un vistazo
Simplifica situaciones complejas.

Coeficiente de regresión
La recta de regresión es la que pasa más cerca de las observaciones, pero no nos
indica si pasa muy cerca o no de Ellas.
Hemos de definir una medida del grado de asociación o relación entre ambas
variables, lo cual, en términos de recta de Ajuste, indicará la bondad de la misma.
Tal coeficiente se denomina coeficiente de correlación

3. ¿Qué es un análisis de regresión simple?

El análisis de regresión involucra el estudio la relación entre dos variables

CUANTITATIVAS. En general interesa:
 Investigar si existe una asociación entre las dos variables testeando la
Hipótesis de independencia estadística.
 Estudiar la fuerza de la asociación, a través de una medida de asociación
Denominada coeficiente de correlación.
 Estudiar la forma de la relación. Usando los datos propondremos un modelo
Para la relación y a partir de ella será posible predecir el valor de una
Variable a partir de la otra
 1) Los datos de la tabla adjunta muestran el tiempo de impresión (Y ) de trabajos que
se han imprimido en impresoras de la marca PR. Se está interesado en estudiar la
relación existente entre la variable de interés. tiempo de impresión de un trabajo. y
la variable explicativa (X) .número de páginas del trabajo. Utilizando estos datos
ajustar un modelo de regresión

Solución

Estadísticas de la regresión
Coeficiente de correlación múltiple 0.911357366
Coeficiente de determinación R^2 0.830572248
R^2 ajustado 0.82825132
Error típico 10.48522294
Observaciones 75

De acuerdo a los estadísticos de regresión las variables están muy asociadas tienen
una fuerte correlación, aunque el Coeficiente de determinación R^2 nos dice que
nuestro modelo matemático puede tener algunos errores pues no llega al 90%
El porcentaje de variabilidad de tiempo de impresión puede ser explicado por la
variable número de páginas es del 20 %.

Probabilida
  Coeficientes Error típico Estadístico t d
Intercepción 13.51545426 2.62719743 5.144437987 2.1768E-06
1
Variable X 1 8.107943457 0.42860067 18.9172439 7.3429E-30
2

Nuestro modelo matemático viene dado por

y=13.51+8.1x
ANÁLISIS DE VARIANZA
Grados de Suma de Promedio de los
  libertad cuadrados cuadrados F p-value
Regresión 1 39343.32536 39343.32536 357.862117 7.34286E-30
Residuos 73 8025.612703 109.9399
Total 74 47368.93807      

De acuerdo al análisis de varianza se puede concluir para el p-valué que el valor para la pendiente
b0 es diferente de cero por que el p-value es muy cercano a cero Por tanto, se rechaza la hipótesis

nula. Con muy poca probabilidad de error. Se concluye que la ecuación de regresión explica un
porcentaje significativo de la varianza

PRONOSTICO DE Y PARA LOS 75 VALORES

Residuos
Observación Pronóstico para Y Residuos estándares
2.93660228
1 21.62339772 1 0.281982329
2 21.62339772 -4.29339772 -0.412266344
3 21.62339772 -3.81339772 -0.366175146
6.44660228
4 21.62339772 1 0.619024216
1.53660228
5 21.62339772 1 0.147549667
6 21.62339772 -2.21339772 -0.212537819
0.90660228
7 21.62339772 1 0.08705497
8 21.62339772 -6.92339772 -0.664807701
0.18865882
9 29.73134118 5 0.018115648
10 29.73134118 -12.5913412 -1.209062504
7.51865882
11 29.73134118 5 0.721966654
2.16865882
12 29.73134118 5 0.208241841
2.06865882
13 29.73134118 5 0.198639508
11.9886588
14 29.73134118 2 1.151190937
15 29.73134118 -5.14134118 -0.493688698
16 37.83928463 -8.97928463 -0.862220808
17 37.83928463 -7.82928463 -0.751793979
6.89071536
18 37.83928463 8 0.661669433
19 37.83928463 6.59071536 0.632862434
 8
3.48071536
20 37.83928463 8 0.334229879
21 37.83928463 -3.67928463 -0.353297161
22 37.83928463 -9.04928463 -0.868942441
23 45.94722809 -16.9172281 -1.624448568
24 45.94722809 -0.94722809 -0.090955995
7.57277191
25 45.94722809 1 0.727162773
8.43277191
26 45.94722809 1 0.809742836
1.68277191
27 45.94722809 1 0.161585362
28 45.94722809 -15.8372281 -1.520743372
29 45.94722809 -1.60722809 -0.154331392
3.00277191
30 45.94722809 1 0.288336157
31 54.05517155 -1.50517155 -0.144531583
15.4448284
32 54.05517155 5 1.483063853
1.55482845
33 54.05517155 4 0.149299805
34 54.05517155 -1.07517155 -0.103241552
11.6448284
35 54.05517155 5 1.118175201
36 54.05517155 -13.9451715 -1.339061803
37 54.05517155 -8.84517155 -0.849342822
38 54.05517155 -7.42517155 -0.712989694
3.22688499
39 62.163115 8 0.309856242
40 62.163115 -4.683115 -0.449688295
0.68688499
41 62.163115 8 0.065956985
6.92688499
42 62.163115 8 0.665142561
9.27688499
43 62.163115 8 0.890797386
44 62.163115 -4.873115 -0.467932728
45 62.163115 -11.743115 -1.127613002
15.0589415
46 70.27105846 4 1.446009707
47 70.27105846 -3.54105846 -0.340024223
48 70.27105846 -2.10105846 -0.201750629
8.66894154
49 70.27105846 1 0.832420631
50 70.27105846 -9.20105846 -0.883516269
 6.43894154
51 70.27105846 1 0.618288606
8.06894154
52 70.27105846 1 0.774806633
17.9789415
53 70.27105846 4 1.726397829
54 70.27105846 -5.43105846 -0.521508316
5.44099808
55 78.37900192 4 0.522462752
56 78.37900192 -2.99900192 -0.287974149
57 78.37900192 -8.97900192 -0.86219366
6.04099808
58 78.37900192 4 0.58007675
2.30099808
59 78.37900192 4 0.220949497
60 78.37900192 -17.5890019 -1.688954528
21.7009980
61 78.37900192 8 2.083802091
62 78.37900192 -3.58900192 -0.344627914
63 86.48694537 -3.58694537 -0.344430438
19.2430546
64 86.48694537 3 1.847782177
15.6430546
65 86.48694537 3 1.50209819
33.3330546
66 86.48694537 3 3.20075089
7.44305462
67 86.48694537 7 0.714706888
15.8130546
68 86.48694537 3 1.518422156
69 94.59488883 -14.7748888 -1.41873402
70 94.59488883 -3.76488883 -0.361517161
71 94.59488883 -5.59488883 -0.537239854
72 94.59488883 -10.7848888 -1.035600935
73 94.59488883 -22.8048888 -2.189801356
74 94.59488883 -18.3948888 -1.766338473
75 94.59488883 -18.2948888 -1.75673614

GRAFICOS
12
dispersion
10

0
0 2 4 6 8 10 12

Variable X 1 Curva de regresión ajustada

140
120
100
80 Y
60 Pronóstico para Y
Y

40
20
0
0 2 4 6 8 10 12
Variable X 1

Variable X 1 Gráfico de los residuales

40
20
Residuos

0
0 2 4 6 8 10 12
-20
-40
Variable X 1
 Gráfico de probabilidad normal

150

100
Y

50

0
0 20 40Muestra percentil
60 80 100 120

2. Los artículos comprados a un proveedor cuestan $20 cada uno y el pronóstico de la

demanda para el año siguiente es de 1000 unidades. Si cada vez que se coloca un pedido
cuesta $5 y el costo de almacenaje es de $4 por unidad al año:

Solución

a) ¿Qué cantidades se deberían comprar por cada pedido?

2 DS 2∗1000∗5
Qopt=
√ IC
=
√ 4
=50 unidades

Q* = 50 unidades

3. La demanda anual es de D = 1000 unidades, la cantidad económica del pedido es de Q

= 200 unidades, la probabilidad deseada de no sufrir desabasto es de P = 0.95, la
desviación estándar de la demanda durante el tiempo de entrega es de σ L = 25 unidades
y el tiempo de entrega es L = 15 días. Determinar el punto de reorden, asumir que el año
tiene 250 días laborales.

Solución
d́ = 1000 / 250 = 4 unidades / día

R=d́ L+ Z σ L =4 ( 15 ) +Z ( 25 )
¿ 60+1.64∗25=64+ 41
¿ 101unidades

La política de inventarios indica que cuando los artículos bajen a 101 unidades, se deben
pedir 200.

4 La demanda diaria de un producto se distribuye normalmente con una media de 60 y una

desviación estándar diaria de 7. El tiempo de entrega es de 6 días. El costo por colocar un pedido
es de $10 y el costo anual de mantener una unidad es de $0.50 por unidad. Suponiendo que las
ventas se hacen los 365 días del año, encontrar la cantidad óptima de pedido y el punto de
reorden necesarios para mantener una probabilidad de 95% de no sufrir desabastos durante el
tiempo de entrega.

Solución

d́ = 60
L=6
Z = 1.64
H = IC = 0.50
σ d=7
σ L = √ L(σ 2d ) = √ L *σ d= raíz(6) *7= 17.5

2 DS 2 ( 60 )( 365 ) (10)
Qopt=
√ IC
=
√ 0.5
=936

R=d́ L+ Z σ L =60 ( 6 ) +1.64 ( 17.5 ) =388

Por tanto la política de inventarios es colocar un pedido de 936 unidades siempre que la
cantidad de unidades en existencia bajen a 388 unidades.