UNIVERSIDAD AUTONOMA DE CHIAPAS

ESTADISTICA APLICADA A LA ADMINISTRACION

REGRESION LINEAL SIMPLE

Septiembre de 2011

Regresin lineal y aplicaciones

El objeto de un anlisis de regresin es investigar la relacin estadstica que existe entre una variable dependiente (Y) y una o ms variables independientes. Cuando solo existe una variable independiente, esto se reduce a una lnea recta:

Y = a + bX
donde los coeficientes a y b son parmetros que definen la posicin e inclinacin de la recta. El parmetro b, conocido como la ordenada en el origen, nos indica cunto es Y cuando X = 0. El parmetro b, conocido como la pendiente, nos indica cunto aumenta Y por cada aumento de una unidad en X.

DIAGRAMA DE DISPERSIN
280 260

COSTOS

240

220

200

180 2500

3000

3500 MILLAS

4000

4500

Relacin lineal directa

Relacin lineal inversa

No existe relacin

Mtodo de mnimos cuadrados

Y = a + bX a = - b b = XY - n X2 - N 2

Aplicaciones
Mortalidad con el fumar tabaco Ingresos con consumo de cierto

articulo Nivel de empleo con PIB Nivel de deuda con Ingresos

Suponga que un analista extrae una muestra aleatoria de 10 embarques recientes en camin que ha realizado una empresa y registra la distancia en millas as como el tiempo de entrega con una aproximacin de medio da desde el momento en que el embarque estuvo disponible para recogerlo.
Flete muestreado
1 2 3

Distancia (X) millas

825 215 107

Tiempo de entrega (Y) das

3 1 4

4
5 6 7

550
480 920 135

2
1 3 5

8
9 10

325
670 215

5
3 5

Coeficiente de Determinacin (r2)

Mide el porcentaje de la variacin total en Y que se debe a la variacin en X.

Es la proporcin de la variacin total en Y que puede ser explicada por la variacin en X?

mide el porcentaje de la variacin total en Y que es explicado por la variacin conjunta de las variables independientes.

r2xy = variacin explicada = (Yc - )2

variacin total (Y - )2

correlacin lineal.

Prediccin y causalidad
Toda institucin, ya sea la familia, la empresa o el gobierno, tiene que hacer planes para el futuro si ha de sobrevivir y progresar. Hoy en da diversas instituciones requieren conocer el comportamiento futuro de ciertos fenmenos con el fin de planificar, prever o prevenir.

La planificacin racional exige prever los sucesos del futuro que probablemente vayan a ocurrir. La previsin, a su vez, se suele basar en lo que ha ocurrido en el pasado. Se tiene pues un nuevo tipo de inferencia estadstica que se hace acerca del futuro de alguna variable o compuesto de variables basndose en sucesos pasados. La tcnica ms importante para hacer inferencias sobre el futuro con base en lo ocurrido en el pasado, es el anlisis de series de tiempo.

Series de Tiempo
1. Series econmicas: - Precios de un artculo - Tasas de desempleo - Tasa de inflacin - ndice de precios, etc.
2. Series Fsicas: - Meteorologa - Cantidad de agua cada - Temperatura mxima diaria - Velocidad del viento (energa elica) Energa solar, etc. 3. Geofsica: - Series sismologas

4. Series demogrficas: - Tasas de crecimiento de la poblacin - Tasa de natalidad, mortalidad Resultados de censos poblacionales

5. Series de marketing: - Series de demanda, gastos, ofertas, etc.

6. Series de telecomunicacin: - Anlisis de seales 7. Series de transporte: - Series de trfico

Componentes de una Serie Temporal

Tendencia (T) Variacin Estacional (S) Fluctuaciones Cclicas (C) Movimientos Irregulares (I)

Definicin de Series de Tiempo Se llama Series de Tiempo a un conjunto de observaciones sobre valores que toma una variable (cuantitativa) en diferentes momentos del tiempo.

Para que se utilizan las series de Tiempo?

Hoy en da diversas organizaciones requieren conocer el comportamiento futuro de ciertos fenmenos con el fin de planificar, prevenir,es decir, se utilizan para predecir lo que ocurrir con una variable en el futuro a partir del comportamiento de esa variable en el pasado.

Aplicaciones
En las organizaciones es de mucha utilidad en predicciones a corto y mediano plazo, por ejemplo ver que ocurrira con la demanda de un cierto producto, las ventas a futuro, decisiones sobre inventario, insumos, etc....

No as para el diseo de un proceso productivo ya que no se disponen de datos histricos y se trata de un proyecto a largo plazo

Seleccin de un modelo
1. El horizonte de tiempo para realizar la proyeccin.
2. La disponibilidad de los datos.

3. La exactitud requerida. 4. El tamao proyeccin.

del

presupuesto
de

de

5. La disponibilidad calificado.

personal

Comportamiento de los Datos

Los datos se pueden comportar de diferentes formas a travs del tiempo, puede que se presente una tendencia, un ciclo; no tener una forma definida o aleatoria, variaciones estacionales (anual, semestral, etc.).

Grafico de una Serie de Tiempo

Mientras mas

largo sea el periodo en que se hace el promedio, mas lenta es la respuesta ante los cambios a la demanda

MODELO CLASICO DE SERIES DE TIEMPO

a) TENDENCIA (T).- Movimiento a lo largo de los valores de la serie de tiempo (Y) durante un nmero prolongado de aos. b) FLUCTUACIONES CICLICAS (C).- Movimientos recurrentes hacia arriba y hacia abajo con respecto a la tendencia y que tienen duracin de varios aos. c) VARIACIONES ESTACIONALES (S).- Movimientos hacia arriba y abajo con respecto a la tendencia y que no duran ms de un ao. d) MOVIMIENTOS IRREGULARES (I).- Variaciones errticas con respecto a la tendencia, que no pueden adjudicarse a efectos estacionales o cclicos.

MODELO CLASICO DE SERIES DE TIEMPO

Una serie de tiempo es un conjunto de valores

observados, para series ordenadas secuencialmente de periodos de tiempo.

El anlisis de series de tiempo es el procedimiento

mediante el cual se identifican y separan los factores relacionados con el tiempo que influyen sobre los valores observados de la serie. Una vez que se identifican esos valores, se les puede utilizar para mejorar la interpretacin de los valores histricos de la serie de tiempo y para pronosticar valores futuros.

ANALISIS DE LA TENDENCIA
El anlisis de tendencia se ocupa de la direccin del

movimiento de la serie de tiempo a largo plazo, es comn que esos anlisis se lleven acabo analizando datos anuales. El mtodo de mnimos cuadrados es la base comn que se utiliza para identificar el componente de tendencia de la serie de tiempo, determinando la ecuacin que mejor se ajuste a la lnea de tendencia. La lnea de tendencia no es una lnea de regresin, porque la variable dependiente Y no es una variable aleatoria, sino un valor histrico acumulado. Cuando existe un aumento o disminucin a largo plazo se sigue una tendencia lineal, siendo la ecuacin de la lnea de tendencia utilizando X para representar el ao es:

YT= a + bX
donde: a: representa el punto de interseccin de la lnea de tendencia con el eje Y b representa la pendiente de la lnea de tendencia . Utilizando X para representar el ao, Y para el valor observado de la serie de tiempo, las frmulas para determinar los valores de b0 y b1 en la ecuacin de la lnea de tendencia son:

CUANDO LA SUMA DE X = 0

b = XY X

a = Y n

VARIACION CICLICA
Los valores anuales de una serie de tiempo representan nicamente efectos de los componentes de tendencia y cclicos, porque ya estn definidos los componentes estacional e irregular a corto plazo. El componente cclico puede determinarse dividiendo los valores observados entre el valor correspondiente de la tendencia de la siguiente manera: Y =TxC=C YT T

VARIACION ESTACIONAL
La influencia del componente estacional sobre los valores de series de tiempo se identifica determinando el nmero ndice estacional asociado con cada mes (o trimestre) del ao. La media aritmtica de los 12 nmeros ndice mensuales (o de los cuatro nmeros ndice trimestrales) es 100. La identificacin de influencias estacionales positivas y negativas, es importante para la planeacin de produccin e inventario.

PROCEDIMENTO ESTACIONALES: MOVIL

PARA METODO

DETERMINAR NUMEROS DEL COCIENTE DEL

INDICES PROMEDIO

1. Determinar el cociente de cada valor mensual, en relacin con el

promedio mvil simblicamente:

Promedio Mvil T X C

centrado

en

ese

mes.

Se

representa

Y = T S CI = SI PROMEDIO MOVIL TC 2. Promediar el componente irregular: Enlistando los diversos cocientes aplicables al mismo mes (o trimestre) de varios aos, calculando la Media Modificada 3. Ajustar los cocientes medios modificados con un factor de correccin tal que la suma de los doce cocientes mensuales sea de 1200.

PROCEDIMIENTO PARA DESARROLLAR UNA SERIE DE TIEMPO

1. asignar los valores de X de tal forma que la suma de X = 0
2. calcular los valores de a y b en la ecuacin YT = a + bX

3. Determinar los totales mviles para cada periodo.

4. Suma de dos totales mviles si la serie es par.

5.- determinar los promedios mviles 6.- calcular SI por medio de Y/TC (promedio mvil) 7.- determinar los valores estacionales S por factor de ajuste 8.- obtener TCI a travs de Y/S 9.- determinar CI por medio de TCI/T 10.- obtener el total mvil para series impares = CI 11.- calcular el promedio mvil = C 12.- obtener el valor de I = CI/C 13.- comprobar resultados a travs de Y = TSCI 14.- Elaborar dos graficas: una para la tendencia T y los datos originales Y, y una para los valores de S, de C y de I.

EJEMPLO: LA SIGUIENTE TABLA PRESENTA LAS VENTAS TRIMESTRALES DE LA EMPRESA DE SOFTWARE GRAFICO. DETERMINE LOS VALORES DE LA SERIE DE TIEMPO Y GRAFIQUE LOS RESULTADOS.
AO/TRIMESTRE
2005
I II III IV I

2006
II III IV I

2007
II III IV I

2008
II III IV I

2009
II III IV I

2010
II III IV

5 3 2 4 4 3 2 3 3 2 2 4 5 3 2 5 5 4 3 6 7 5 4 5 0 2 0 0 5 5 0 0 5 0 5 0 5 5 5 5 5 0 0 0 5 0 0 5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Sean felices mientras puedan