Descubre Cómo Pronosticar La Demanda Con La Regresión Lineal
Descubre Cómo Pronosticar La Demanda Con La Regresión Lineal
Descubre Cómo Pronosticar La Demanda Con La Regresión Lineal
YES!
BÚSQUEDAS PATROCINADAS
Dentro de los modelos causales o asociativos encontramos el análisis de regresión o regresión lineal,
que es un método con enfoque cuantitativo que nos permite pronosticar la demanda. Agrupa una
variable dependiente (la demanda) con una o más variables independientes a través de una ecuación
lineal.
https://ingenioempresa.com/regresion-lineal/ 1/24
14/7/2019 Descubre cómo pronosticar la demanda con la regresión lineal
YES!
Puedes calcular series de tiempo y relaciones causales. En el primer caso, ubicas la demanda
histórica de tu bien o servicio para que cambie en función del tiempo. El segundo caso es
cuando la variable que pronosticas cambia en función de otra (variable causal).
Lineal signi ca que los datos del periodo anterior y la proyección para el periodo futuro que vas
a obtener caen sobre una recta.
Si hablamos de una sola variable independiente, es una regresión lineal simple, contrario
a si
son dos o más variables independientes, donde hablaríamos de regresión lineal múltiple.
https://ingenioempresa.com/regresion-lineal/ 2/24
14/7/2019 Descubre cómo pronosticar la demanda con la regresión lineal
El análisis de regresión es pertinente cuando se evidencia una tendencia en los datos históricos del
YES!
pronóstico. ¿Cómo? Dibuja los datos de meses anteriores, los de la demanda real. Si lo estás haciendo
en Excel 2010 o superior, da click derecho sobre la serie de datos gra cados y luego click en agregar
línea de tendencia. Si no, simplemente analiza la tendencia de los datos, ¿es creciente o decreciente?
¿Cómo es la relación entre la demanda y el tiempo? Para responder esta pregunta, haremos uso del
coe ciente de correlación (r).
Este coe ciente, te permitirá entender qué tanta correlación existe entre la demanda y el tiempo.
Correlación perfecta: Cuando el resultado de coe ciente es igual a 1 o -1. En este caso existe
una relación directamente proporcional entre la demanda y el tiempo.
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).
Correlación débil: Valores que están entre -0.5 y 0.5.
Entre más cercano se encuentre el coe ciente de correlación a +1 o -1 más fuerte será la tendencia y
más apropiado será aplicar un modelo de regresión lineal. Por ejemplo si la correlación es igual a 1,
observaremos que la relación entre las variables es directamente proporcional, en el sentido que si
uno aumenta, la otra también lo hará.
Bien vale aclarar que este método es más útil cuando se enfoca en periodos de largo plazo. Esto
aunado a su utilidad para estimar la demanda en función de variables independientes.
https://ingenioempresa.com/regresion-lineal/ 3/24
14/7/2019 Descubre cómo pronosticar la demanda con la regresión lineal
YES!
La b es la inclinación de la recta.
La a es la secante o la altura en la que la recta corta al eje y.
La X es nuestra variable independiente.
La Y es nuestra variable dependiente, nuestro pronóstico calculado para un periodo.
Las ventas de la empresa IngE durante los últimos 10 trimestres son las siguientes:
https://ingenioempresa.com/regresion-lineal/ 4/24
14/7/2019 Descubre cómo pronosticar la demanda con la regresión lineal
YES!
Lo primero es estimar los parámetros. Lo podemos lograr con el método de mínimos cuadrados,
que nos permite encontrar la recta que mejor se ajusta a un conjunto de datos dados. En nuestro
caso, este conjunto está dado por las ventas trimestrales (variable dependiente). La variable
independiente es el tiempo. Vamos entonces a la siguiente fórmula para determinar a y b:
https://ingenioempresa.com/regresion-lineal/ 5/24
14/7/2019 Descubre cómo pronosticar la demanda con la regresión lineal
YES!
Conocidas las ecuaciones y el papel de las variables, vamos a calcular el pronóstico con regresión
lineal:
En la siguiente se encuentran los cálculos realizados para los 12 trimestres según lo requerido por las
ecuaciones:
https://ingenioempresa.com/regresion-lineal/ 6/24
14/7/2019 Descubre cómo pronosticar la demanda con la regresión lineal
YES!
Con los valores de la última la de la tabla, podemos calcular a y b, con los cuales logramos calcular los
valores de la última columna (Y) que es la recta que más se ajusta a la demanda y.
Veamos entonces:
Fíjate que el valor de «b» varía de 63,64 a 63,657 siendo este último el resultado si se toman todos los
decimales de las variables que participan en su calculo. Para tener resultados más ables usamos el
valor de «b» calculado con todos los decimales, tal como lo aprecias cuando hallamos «a». Fíjate
además que pasa lo mismo con el valor calculado de «a» y el valor que se obtiene cuando en la
operación están todos los decimales.
Con esta aclaración, puedes ver cómo se realiza el pronóstico de producción del trimestre 13.
Procedemos igual para los demás trimestres.
Y=63,657(14)+72,894=964.09
Y=63,657(15)+72,894=1027.75
https://ingenioempresa.com/regresion-lineal/ 7/24
14/7/2019 Descubre cómo pronosticar la demanda con la regresión lineal
YES!
Cuando pronosticamos, siempre queremos saber qué tan exacto es el método que estamos
utilizando, igual que una medida de error de pronóstico.
Para eso hay diferentes medidas que nos dan el grado de error en un pronóstico.
Una medida apropiada para medir el error en regresión lineal es el error estándar de estimación
(Sy,x), que nos permite determinar la variabilidad en torno a la recta de regresión.
Esto lo interpretamos como una medida de la variabilidad o dispersión de los valores observados
alrededor de nuestra línea de regresión.
Otro análisis que si o si debemos realizar cuando trabajamos con un análisis de regresión, no importa
si es con un n de pronóstico, es el cálculo del coe ciente de correlación.
Como lo dijimos anteriormente, el coe ciente de correlación dará una medida de asociación entre las
variables X y Y.
https://ingenioempresa.com/regresion-lineal/ 8/24