Anda di halaman 1dari 10

PRACTICA N° 02

PLANEAMIENTO Y CONTROL DE LA
PRODUCCION

ESTADISTICA DESCRIPTIVA DEL PROCESO

I. OBJETIVO

 Analizar e interpretar el comportamiento de la demanda


 Aplicar los modelos para el tratamiento de demanda con tendencia y estacionales.

II. TEMAS A TRATAR

 Método de Regresión de Mínimos Cuadrados.


 Método de Regresión Exponencial

III. DURACIÓN DE LA PRACTICA

 2 horas.

IV. MARCO TEORICO

1. CORRELACIÓN

La correlación es el método es el método empleado para determinar el grado de relacionamiento


entre las variables que se estudian, para así determinar en que medida una relación funcional
describe o explica de una forma adecuada la relación entre estas dos variables Se usa el término
correlación cuando se habla de relaciones entre variables de experimentos bivariantes.
Los diversos tipos de correlación que existen pueden ser:

2
1

1.1. Coeficiente de correlación lineal de Pearson


Página

Es una medida del grado de asociación lineal entre las variables X e Y. Es un número abstracto y
se representa por r:

Ing. Vanessa Nieto Peña


Donde:
SXY = Covarianza de X e Y.
s X = Desviación estándar de X.
s Y = Desviación estándar de Y.

Propiedades
• r está siempre comprendido entre -1 y 1.
• Si r = 1 ó r = -1 entonces los puntos de la muestra están situados en línea recta
(correlación lineal perfecta).
• Si r está próximo a 1 ó a -1, habrá una asociación lineal fuerte entre ambas variables.
• Si r es cercano a 0, habrá una asociación lineal muy débil.
• r no varía cuando en las variables se realiza un cambio de escala o de origen. Esto
demuestra que r no tiene dimensión.

1.2. Dos consideraciones sobre el coeficiente de correlación.

a) Se trata de una medida matemática que luego hay que interpretar. Aunque un alto grado
de correlación indique buena aproximación a un modelo matemático lineal, su
interpretación puede no tener ningún sentido. Por ejemplo puede haber un alto grado de
correlación entre las ventas de celulares y el consumo de alcohol en Arequipa, pero
ambas variables están claramente disociadas.

b) Aunque el grado de correlación sea cercano a cero (pobre aproximación al modelo


lineal) eso no significa que no haya relación entre las dos variables. Puede ser que dicha
relación sea no lineal.

2. COEFICIENTE DE DETERMINACIÓN

El coeficiente de determinación se calcula elevando al cuadrado el coeficiente de correlación y


representa el porcentaje de la variación explicada por la recta de regresión.
El coeficiente de determinación r2, es una medida de la proximidad del ajuste de la recta de
regresión; cuanto mayor sea el valor de r2, mejor será el ajuste y mas útil la recta de regresión
como instrumento de predicción. (r2 = 0.92 indica que de 100 pares de puntos 92 están en la
recta de regresión y 8 fueran de la recta de regresión)
Cuando el n es pequeño se debe calcular el coeficiente de determinación corregido.
2
Página

Ing. Vanessa Nieto Peña


3. MÉTODO DE MÍNIMOS CUADRADOS PARA ENCONTRAR LA ECUACIÓN DE
REGRESIÓN
Recordemos que el análisis de regresión lo que persigue es determinar la relación funcional de la
variable dependiente Y con respecto a la variable independiente X con el fin de predecir valores
de Y.
A continuación desarrollaremos un modelo matemático (ecuación de la línea) para expresar la
relación entre dos variables y para estimar el valor de la variable dependiente Y basándonos en
el valor de la variable independiente X. La técnica que se utiliza para desarrollar la ecuación de
la línea y hacer estas predicciones, se le llama análisis de regresión.
El principio matemático con base con el cual se traza la ecuación de la línea y se predicen los
valores de Y, se conoce con el nombre de mínimos cuadrados. Este principio consiste en trazar
una línea sobre la gráfica de dispersión de los valores de modo que la suma de los cuadrados de
la distancia vertical entre el valor real de Y y su valor predictorio, sea la cantidad más pequeña
posible.
Entonces la ecuación lineal que se tiene que encontrar es:

Donde:
Y * = Se lee Y asterisco, es el valor predictorio de la variable Y para un valor seleccionado de
X.
a = Es la intersección con el eje Y. Es el valor estimado de Y cuando X = 0.
b = Es la pendiente de la línea, o el cambio promedio en Y* por cada cambio en una
unidad de la variable independiente X.
X = Es el valor que se escoge para la variable independiente.

A los valores a y b se les conoce como coeficientes de regresión y se calculan con las
siguientes fórmulas:

PROCESO ESTACIONAL

Cuando la demanda contiene efectos de tendencia y estaciónales, se determina la relación


entre ambos, a través de la variación estacional.

Tipos de variación estacional:


 Variación Estacional Multiplicativa; la tendencia se multiplica por los factores de
estacionalidad.
 Variación Estacional Aditiva; supone que la cantidad estacional es constante
3

independientemente de la cantidad de la tendencia o la del promedio.


Página

 Factor de Estacionalidad, es la corrección que se requiere para ajustar una serie de tiempo
a la estación del año.

Ing. Vanessa Nieto Peña


4.2 DESCOMPOSICIÓN POR REGRESIÓN DE MINIMOS CUADRADOS
Significa encontrar los componentes básicos de la tendencia, estacionalidad y cíclica.

PASO 1: Determinar el factor de estacionalidad


Se obtiene un promedio para cada trimestre (los mismos trimestres por decir trimestres I)
Se obtiene el factor de estacionalidad, al dividir este promedio de cada trimestre entre el
promedio general de todos los trimestres.

PASO 2: Desestacionalizar los datos originales.


Dividimos los datos originales entre el factor de estacionalidad.

PASO 3: Desarrollar una línea de regresión de mínimos cuadrados para los datos
desestacionalizados.

PASO 4: Proyectar la línea de regresión para el periodo que se pronostica.

PASO 5: Crear el pronóstico final ajustando la línea de regresión con el factor de estacionalidad.

4.3 RANGOS DE LOS PRONÓSTICOS

Cuando el análisis de regresión lineal genera pronósticos para periodos futuros, éstos son sólo
estimaciones y por lo tanto están sujetos a error. La presencia de errores de pronóstico o de
variaciones al azar es un hecho para quienes pronostican; el pronóstico es un proceso que está
inmerso en la incertidumbre. Una manera de tratar esta incertidumbre es desarrollando intervalos
de confianza para los pronósticos.

s xy 
y 2
 a y  b xy
n2

La expresión syx, se conoce como error estándar del pronóstico o desviación estándar del
pronóstico, y es una medida de la manera en que han quedado dispersos a uno y otro lado de la
línea de tendencia los puntos de datos históricos. Si s yx es pequeño en relación con el
pronóstico, los puntos de datos pasados han quedado agrupados muy cerca de la línea de
tendencia y los límites superior e inferior se acercan entre si. Y los límites se calculan asi:

Límite superior = Y* + t syx


Límite inferior = Y* - t syx
4
Página

Ing. Vanessa Nieto Peña


Ejemplo.- La Generox, Inc, ha estado produciendo durante 5 años herramientas especiales
manuales para clavar. La planta ha operado casi a su capacidad durante los últimos 2 años. Se
necesitan pronósticos para programar la producción del próximo año y para suministrar
estimaciones a fin de planear la expansión futura de los medios de producción. Se han tabulado
los registros de ventas para los 5 años, en trimestres, como se indica en la tabla 1.1

Tabla 1.1: Ventas trimestrales en miles de dólares.

Año 2010 2011 2012 2013 2014


Trimestre I 190 280 270 300 320
Trimestre II 370 420 360 430 440
Trimestre III 300 310 280 290 320
Trimestre IV 220 180 190 200 220
Totales 1080 1190 1100 1220 1300

Solución por mínimos cuadrados.


La línea recta está definida por la ecuación
y= a +bx
y = valor pronosticado
a = el valor de y en el punto base desviación
b = la pendiente de la recta.

Se emplean 2 ecuaciones para determinar a y b.


a = ( y - b  x ) / n

n xy -  x  y
b = --------------------
n x² - ( x)²

Formula del pronóstico:


y = a + bx

Año x y x2 xy
2010 1 108 1 108
2011 2 119 4 238
2012 3 110 9 330
2013 4 122 16 488
2014 5 130 25 650
Sumatoria 15 589 55 1814

(5 * 1814) – (15 * 589)


b = ------------------------------------ = 4.7
(5 * 55) – (15)2

a = (589 – (4.7* 15)) / 5 = 103.7

El pronóstico para 2015 está a 6 años del punto base


5

y = 103.7 + 4.7(6) = 131.9


Página

Ing. Vanessa Nieto Peña


Otra forma se calcular la demanda para 2015 sería:
 Cambiando el punto base de 2010 a 2014

Año x y x2 xy
2010 -2 108 4 -216
2011 -1 119 1 -119
2012 0 110 0 0
2013 1 122 1 122
2014 2 130 4 260
Sumatoria 0 589 10 47

Los cuales permiten que a y b se calculen como:

 y 589
a= ----- = ---- = 117,8
n 5

 xy 47
b = ----- = ----- = 4,7
 x² 10

El pronóstico para 2012 está a 3 años del punto base


y = 117.8 + 4.7(3) = 131.9

Método de regresión exponencial, algunas veces una curva suave suministra un mejor ajuste
para los datos que una línea recta. La curva esta dada por: Y = ab x, y varía con la tasa
constante b en cada periodo, para esto convertimos la ecuación exponencial a su forma
logarítmica:

log y = log a + x log b

 (log y) -  x (log b)
log a = --------------------------
N

n (xlog y) -  x  (log y)
log b = --------------------------------
N  x² - ( x)²
Cuando el punto base se escoge para hacer  x=0, la solución se reduce a calcular

 (log y)
log a = ----------
N

 (x log y)
log b = ------------
 x²
6

Año x y x2 Log y x Log y


Página

2008 -2 108 4 2,0334 -4,0668


2009 -1 119 1 2,0755 -2,0755
2010 0 110 0 2,0414 0,0000

Ing. Vanessa Nieto Peña


2011 1 122 1 2,0864 2,0864
2012 2 130 4 2,1139 4,2279
Sumatorias 0 589 10 10,3507 0,1719

Debido a que x = 0, podemos resolver para a y b en la forma siguiente:


 (log y ) 10,3506
log a ------------ = -------- = 2,0701
N 5

a = ant.log (2,07) = 117,5


y, por tanto, a = 117,5
 (x log y) 0,1719
log b = ----------- = -------- = 0,0172
 x² 10

b = ant.log(0,172) = 1,0404

En esta forma, la ecuación de pronósticos es


log y = 2,0701 + 0,0172x
ó
y = 117,5 + (1,0404)x
y = 132

V. ACTIVIDADES

1. Industrias Nina creció casi 50% el último año debido a la gran demanda que tuvieron los
reproductores de discos compactos entre los corredores. Como el número de corredores va
en aumento, Nina espera que también aumente la demanda de los reproductores, ya que
hasta la fecha no hay ningún reglamento de seguridad que evite que los usen los
corredores. El año pasado, la demanda de unidades fue:

Demanda Demanda
Mes (unidades) Mes (unidades)
Enero 4 200 Julio 5 300
Febrero 4 300 Agosto 4 900
Marzo 4 000 Septiembre 5 400
Abril 4 400 Octubre 5 700
Mayo 5 000 Noviembre 6 300
Junio 4 700 Diciembre 6 000

a) Use el análisis de regresión de mínimos cuadrados; Cuál sería su pronóstico de la demanda


para cada mes del próximo año.

2. La Molinera Valencia, tenía grandes contratos para la comercialización de azúcar. En los


últimos años el mercado se ha reducido por el ingreso de otros competidores en la
comercialización de este producto. Por lo que la compañía le encomienda la tarea de
pronosticar el próximo año, para realizar la importación del producto. La demanda para los
7

12 últimos trimestre se muestra a continuación. Use la técnica más adecuada para


Página

pronosticar los cuatro trimestre de 2002.

Ing. Vanessa Nieto Peña


Trimestre Año 1999 Año 2000 Año 2001
I 4800 3500 3200
II 3500 2700 2100
II 4300 3500 2700
IV 3000 2400 1700

3. Prepare un pronóstico para cada trimestre del próximo año a partir de la información de
ventas trimestrales de los últimos años, que se presentan a continuación. Suponga que
existen factores de tendencia y de estacionalidad y que el ciclo de estacionalidad dura un
año.
Trimestre Ventas Trimestre Ventas
1 160 5 215
2 195 6 240
3 150 7 205
4 140 8 190

VI. EJERCICIOS

1. LANDA SRLtda. produce carcasas para estabilizadores utilizados en la venta de


computadoras. Rodrigo Gonzales, gerente de planta, estima que el crecimiento de las ventas
continuara y desea desarrollar un pronóstico a largo plazo que se utilizara para planear las
necesidades de las instalaciones para los siguientes tres años. Se han totalizado las ventas
correspondientes a los últimos 10 años:

a) Elaborar un diagrama de dispersión y sacar conclusiones.


b) Hallar el coeficiente de correlación y determinación e interpretar los resultados.
c) Encontrar la ecuación de regresión lineal por el método de mínimos cuadrados.

2. Industrias Peruanas S.A., es una empresa que se dedica a la producción y comercialización


de artículos para limpieza en todo el territorio peruano, cuenta con agencias en 10 ciudades del
país, a continuación se presenta la cantidad de vendedores por agencia que posee esta
empresa.

a) Elaborar el diagrama de dispersión.


b) Hallar el coeficiente de correlación y determinación e interpretar los resultados.
c) Encontrar la ecuación de regresión por el método de mínimos cuadrados, con tendencia lineal,
exponencial y parabólica, cuando los vendedores sean 10.
8
Página

Ing. Vanessa Nieto Peña


3. La carpintería New House desea realizar sus pronósticos de ventas para el siguiente
mes, sugiera el pronóstico requerido. Cuál sería su pronóstico, su nivel de error y su correlación.

4. Chasewood Apartmentes es un complejo habitacional de 300 unidades cerca de Fairway


University, y atrae principalmente a estudiantes universitarios. La gerente sospecha que
la cantidad de unidades arrendadas durante cada semestre esta influida por el número
de estudiantes que se inscriben en la universidad. Además sospecha que la cantidad de
unidades arrendadas también pudiera ser afectada por el precio promedio de renta de
los departamentos. Se ha recolectado la siguiente información:

a) Efectué un análisis de regresión simple para pronosticar el número de apartamentos


arrendados, con base únicamente en inscripciones en la universidad. ¿Cuál es su pronóstico, si
se espera que las inscripciones sean 6,600 estudiantes? ¿Qué porcentaje de variación en el
número de unidades arrendadas queda explicado por inscripciones en la universidad?
b) Realice un análisis de regresión simple para pronosticar el número de apartamentos
arrendados con base únicamente en el precio promedio de arrendamiento. ¿ Cuál es su
pronóstico, si el precio promedio de arrendamiento es de 455 dólares? ¿Qué porcentaje de
variación en la cantidad de unidades arrendadas queda explicado por el precio promedio de
arrendamiento?
c) Efectué un análisis de regresión múltiple para pronosticar el número de apartamentos
arrendados, con base tanto en inscripciones a la universidad como en el precio promedio de
9

arrendamiento. ¿Cuál es su pronóstico, si las inscripciones a la universidad se espera sean de


Página

6,500 estudiantes y el precio promedio de arrendamiento de 465 dólares? ¿Qué porcentaje de la

Ing. Vanessa Nieto Peña


variación en el número de unidades arrendadas queda explicado por este modelo?

VII. CUESTIONARIO
1. ¿Cuál es la lógica del método de mínimos cuadrados en el análisis de regresión lineal?
2. ¿Cuál es la principal desventaja de la proyección diaria mediante la utilización del
análisis de regresión?
3. ¿Que es la estacionalidad en los pronósticos de series de tiempo?

VIII. BIBLIOGRAFÍA

1. Chase, Jacobs y Aquilano. 2009. Administración de la Producción y Operaciones. Ed. Mc


Graw Hill.
2. Norman Gaither y Greg Fraizer. 2000. Administración de la Producción y Operaciones.
International Thomson Editores S.A.

10
Página

Ing. Vanessa Nieto Peña