Académique Documents
Professionnel Documents
Culture Documents
CONTROL DE PRODUCCION
EJERCICIOS DE REGRESION LINEAL SIMPLE Y MULTIPLE
Preparado por:
ARVEY MANCHOLA VARGAS
Cdigo: 4009018169
CARLOS ALBERTO FIAGA FIGUEROA
Cdigo: 4009018123
FABIO ANDRES SALAZAR DURAN
Cdigo: 4009017887
CLAUDIA MARCELA LOPEZ OSPINA
Cdigo: 4009018211
Presentado a:
MIGUEL ANGEL GONZALEZ URIBE
Ingeniero Industrial
CONTROL DE PRODUCCIN
X/Y
0
1
2
(20,30]
74
7
3
(30,40] (40,50]
82
78
6
5
2
2
(50,60]
72
6
1
(60,70]
7
5
1
A partir de estos datos, se le pide que determine para esta distribucin las curvas de
regresin de Y sobre X y de X sobre Y.
0
1
2
(20,30]
74
7
3
84
(30,40]
82
6
2
90
Y
(40,50]
78
5
2
85
(50,60]
72
6
1
79
(60,70]
7
5
1
13
TOTAL
313
29
9
351
CONTROL DE PRODUCCIN
RESUMEN DE DATOS
CANTIDAD
PERSONAS
74
7
3
82
6
2
78
5
2
72
6
1
7
5
1
EDAD
PROMEDIO
25
25
25
35
35
35
45
45
45
55
55
55
65
65
65
No.
ACCIDENTES
0
1
2
0
1
2
0
1
2
0
1
2
0
1
2
Grficas
70
50
40
30
20
10
0
0
y = 1,105x + 40,493
0,5
1,5
2,5
Cantidad de Personas
60
CONTROL DE PRODUCCIN
2,5
1,5
0,5
0
0
10
y = 0,0013x + 0,0801
20
30
40
50
60
70
Cantidad de Personas
Ao
Yt
Xt
1995
258'6
381 '7
1996
273'6
402'2
1997
289'7
426'5
1998
308'9
454'3
1999 2000
331 '0 355'0
486'5 520'2
2001
377'1
553'3
2002
400'4
590'0
CONTROL DE PRODUCCIN
Ao
1995
1996
1997
1998
1999
2000
2001
2002
Xt
381,7
402,2
426,5
454,3
486,5
520,2
553,3
590,0
Yt
258,6
273,6
289,7
308,9
331,0
355,0
377,1
400,4
400,0
350,0
300,0
250,0
200,0
150,0
100,0
50,0
-
y = 0,6834x - 1,5973
100,0
200,0
300,0
400,0
500,0
600,0
700,0
450,0
CONTROL DE PRODUCCIN
Y
a
b
bX
1,5973
0,6834
0,6834
650,1 .
0,6834
0,6834 650,1
1,5973
1,5973
CONTROL DE PRODUCCIN
CONTROL DE PRODUCCIN
2
1
0
-1
100,0
200,0
300,0
-2
400,0
500,0
600,0
700,0
Variable X 1
3. Se supone que se puede establecer cierta relacin lineal entre las exportaciones de
un pas y la produccin interna de dicho pas. En el caso de Espaa, tenemos los
datos anuales (expresados en miles de millones de pesetas) para tales variables
Aos
Produccin
Exportaciones
1992
52.654
10.420
1993
53.972
11.841
1994
57.383
14.443
1995
61.829
16.732
1996
65.381
18.760
CONTROL DE PRODUCCIN
a)
25.000
15.000
10.000
5.000
y = 0,6466x - 23154
10.000
20.000
30.000
40.000
Produccin
50.000
60.000
70.000
Exxportaciones
20.000
CONTROL DE PRODUCCIN
52106,1 .
Reemplazamos en la ecuacin:
0,6466
23154
0,6466 52106,1
,!
23154
10.000
20.000
30.000
40.000
Variable X 1
50.000
60.000
70.000
Residuos
1000
10
CONTROL DE PRODUCCIN
b) Exportaciones para el
0,6466
69045,704
de Pesetas,
69045,704
23154
0,6466
23154
Despejamos x,
69045,704 23154
0,6466
# ,
11
CONTROL DE PRODUCCIN
12
CONTROL DE PRODUCCIN
AOS
GASTOS
VENTAS
1987
21
1988
22
19
1989
25
20
1990
26
22
1991
27
23
1992
29
24
1993
30
26
c) Cul ser la prediccin de las ventas para 1994? Qu precisin tendr ese
pronstico?
13
CONTROL DE PRODUCCIN
1987
21
19
1988
22
20
1989
25
22
1990
26
23
1991
27
24
1992
29
26
1993
30
26,57
1994
33
29,11
Aos
14
CONTROL DE PRODUCCIN
Aos
Gastos
1987
1988
1989
1990
1991
1992
1993
1994
Gastos (x)
21
22
25
26
27
29
30
33
Aos
Ventas
1988
1989
1990
1991
1992
1993
1994
1995
Ventas (y)
19
20
22
23
24
26
26,57
29,11
Grfica
30
25
15
10
0
0
10
15
20
GASTOS
25
30
35
y = 0,8478x + 1,1377
VENTAS
20
15
CONTROL DE PRODUCCIN
0,8478
0,8478 30
1,1377
1,1377
Para el periodo de 1.993 los gastos de publicidad poseen un valor de 30, por lo
que dicha inversin se ver reflejado en el ao inmediatamente siguiente, por lo
tanto las ventas para el perodo de 1.994 sern de 26,57.
Ahora incrementaremos en un 10% los gastos de Publicidad para el ao 1.994 y
determinar si efectivamente las ventas tambin aumentan.
Gastos 1.994 = 33
0,8478
0,8478 33
#,
1,1377
1,1377
16
CONTROL DE PRODUCCIN
(1.994),
las
ventas
del
efectivamente
aumentaran.
c) La prediccin de las ventas para 1.994 es de 26,57. El modelo que nos presenta
el ejercicio ser bastante preciso ya que los residuos son casi nulos, los valores
oscilan o son muy cercanos a 0. Observar grfico de los residuales.
0,4
0,3
0,2
0,1
0
-0,1 0
-0,2
-0,3
-0,4
10
15
20
25
30
35
Variable X 1
Residuos
17
CONTROL DE PRODUCCIN
18
CONTROL DE PRODUCCIN
Distribuciones tridimensionales:
Pas
N turistas entrados
Distancia (Kms.)
1800000
3'1
1500
2500000
4'2
1200
700000
2'7
3100
1200000
3'0
2500
1900000
4'0
1800
a) Determine la relacin lineal que explicara las entradas de turistas en funcin del
PIB per cpita y de la distancia.
b) Es dicho modelo suficientemente explicativo?
19
CONTROL DE PRODUCCIN
Distancia Kms.
N Turistas entrados
(X1)
(X2)
(Y)
3,1
1500
1800000
4,2
1200
2500000
2,7
3100
700000
3,0
2500
1200000
4,0
1800
1900000
Pas
a) En la grfica siguiente podemos observar que existe una relacin del PIB per
cpita que incide en la cantidad de turistas en Espaa, y precisamente es que a
mayor PIB per cpita, mayor ser la cantidad de turistas que ingresan a Espaa.
3000000
2500000
1500000
1000000
500000
0
0,0
1,0
2,0
3,0
4,0
5,0
No. Turistas
2000000
20
CONTROL DE PRODUCCIN
2500000
No. Turistas
2000000
1500000
1000000
500000
0
0
500
1000
1500
2000
2500
3000
3500
Distancia Km.
b) El modelo nos ofrece una viabilidad de 0.99, muy cercana a la ideal que es 1, y
un porcentaje de confiabilidad del 99.28%. Teniendo en cuenta est informacin
21
CONTROL DE PRODUCCIN
22
CONTROL DE PRODUCCIN
Residuos
50000
0
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
-50000
-100000
Variable X 1
Residuos
50000
0
0
500
1000
1500
2000
-50000
-100000
Variable X 2
2500
3000
3500
100000
23
CONTROL DE PRODUCCIN
24
CONTROL DE PRODUCCIN
25
CONTROL DE PRODUCCIN
Residuos
400000
200000
0
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
-200000
-400000
Variable X 1
0
0
500
1000
1500
2000
-100000
-200000
-300000
Variable X 1
2500
3000
3500
Residuos
100000
26
CONTROL DE PRODUCCIN
CAMPAA
89/90
X1
80
X2
120
90/91
95
145
91/92
83
108
92/93
75
90
93/94
72
85
Este agricultor, que es pesimista como la mayora de los de su sector, piensa que la
27
CONTROL DE PRODUCCIN
(X)
CAMPAA
X1
X2
89/90
80
120
90/91
95
145
91/92
83
108
92/93
75
90
93/94
72
85
94/95
Grfica
100
90
70
60
50
40
30
20
10
0
0
20
y = 0,34x + 42,76
40
60
80
Cantidad de lluvia
100
120
140
160
80
28
CONTROL DE PRODUCCIN
0,34
85.
Reemplazamos en la frmula,
"
0,34
"
0,34 85
"
42,76
42,76
(Y)
(X)
CAMPAA
X1
X2
89/90
80
120
90/91
95
145
91/92
83
108
92/93
75
90
93/94
72
85
94/95
71,66
85
29
CONTROL DE PRODUCCIN
0,34
"
0,34 85,85
42,76
42,76
,#
CAMPAA
(Y)
X1
(X)
X2
89/90
80
120
90/91
95
145
91/92
83
108
92/93
75
90
93/94
72
85
94/95
71,95
85,85
"
85,85.
30
CONTROL DE PRODUCCIN
31
CONTROL DE PRODUCCIN
Residuos
2
0
0
20
40
60
80
100
120
140
160
-2
-4
-6
Variable X 1
Semestre
2 de 1994
1 de 1995
2 de 1995
1 de 1996
2 de 1996
1 de 1997
2 de 1997
1 de 1998
2 de 1998
1 de 1999
X2
1'5
1'7
2
2'3
2'5
3
3'5
4
4'3
4'5
X3
15
17
19
20
23
25
26
29
31
34
X1
13
41
16
47
19
55
22
63
25
65
32
CONTROL DE PRODUCCIN
Observando los datos, nos damos cuenta que las ventas correspondientes al primer
semestre son siempre mucho mayores que las del segundo semestre del mismo ao.
Para recoger este aspecto, se decidi introducir una nueva variable explicativa X4, cuyo
valor sera uno si el dato corresponde al primer semestre, y cero en caso contrario.
Utilizando esta variable adicional:
33
CONTROL DE PRODUCCIN
34
CONTROL DE PRODUCCIN
50
0
0,0
1,0
-50
2,0
3,0
4,0
5,0
Variable X 1
Residuos
10
20
Variable X 2
30
40
1
2
3
4
5
6
7
8
9
10
Pronstico para Y
20,29436094
25,51311685
29,4507941
29,49801475
38,60722726
39,98274721
37,46781055
42,73378711
46,67146436
55,78067688
Residuos
-7,294360938
15,48688315
-13,4507941
17,50198525
-19,60722726
15,01725279
-15,46781055
20,26621289
-21,67146436
9,219323123
Observacin
35
CONTROL DE PRODUCCIN
un valor que se acerque al mismo. Por lo tanto, concluimos que el valor reflejado
se encuentra en un rango muy por debajo del nivel ideal, por lo que sera poco
viable.
Por otra parte, el coeficiente de de determinacin (R2) me determina el nivel de
confiabilidad de dicho modelo, encontrndose ste en 0.2808, es decir un
28,08%. Muy por debajo del porcentaje ideal (100%). Por lo que concluimos que
es poco confiable.
(Xa)
(Xb)
(Xc)
(Y)
Semestre
X2
X3
X4
X1
2 de 1994
1,5
15
13
1 de 1995
1,7
17
41
2 de 1995
2,0
19
16
1 de 1996
2,3
20
47
2 de 1996
2,5
23
19
1 de 1997
3,0
25
55
2 de 1997
3,5
26
22
1 de 1998
4,0
29
63
2 de 1998
4,3
31
25
1 de 1999
4,5
34
65
producto.
36
CONTROL DE PRODUCCIN
37
CONTROL DE PRODUCCIN
Residuos
1,0
2,0
3,0
4,0
5,0
Variable X 1
Residuos
4
2
0
-2 0
10
15
20
25
30
35
40
-4
-6
Variable X 2
Residuos
4
2
0
-2 0
0,2
0,4
0,6
-4
-6
Variable X 3
0,8
1,2
38
CONTROL DE PRODUCCIN
Observacin
Pronstico para Y
1
2
3
4
5
6
7
8
9
10
10,14169515
44,95959979
14,47411363
48,53266798
18,8065321
54,05610918
22,95516355
59,10798174
28,62249557
64,34364131
Residuos
2,858304848
-3,95959979
1,525886374
-1,532667981
0,193467901
0,943890816
-0,955163552
3,892018264
-3,622495571
0,656358692
que
para
los
supermercados
5,0.
que comercializan
36.
el
producto
que expresados en miles son 0.5, y sumados con el valor del ao anterior (4.5)
39
CONTROL DE PRODUCCIN
1,43
0,9
32,72
5,56
&
"
1,43 5,0
"
0,9 36
7,15
32,72 0
32,4
"
5,56
5,56
, ##
Por lo tanto, las ventas del segundo semestre de 1.999 se incrementarn con
Semestre
(Xa)
X2
(Xb)
X3
(Xc)
X4
(Y)
X1
2 de 1994
1 de 1995
2 de 1995
1 de 1996
2 de 1996
1 de 1997
2 de 1997
1 de 1998
2 de 1998
1 de 1999
2 de 1999
1,5
1,7
2,0
2,3
2,5
3,0
3,5
4,0
4,3
4,5
5,0
15
17
19
20
23
25
26
29
31
34
36
0
1
0
1
0
1
0
1
0
1
0
13
41
16
47
19
55
22
63
25
65
33,99
40