REGRESIÓN Y CORRELACIÓN LINEAL, SERIES DE TIEMPO Msc. Esmelda Aguirre Téllez Master en Administración de Negocios.

Presentación del tema: "REGRESIÓN Y CORRELACIÓN LINEAL, SERIES DE TIEMPO Msc. Esmelda Aguirre Téllez Master en Administración de Negocios."— Transcripción de la presentación:

1

2 REGRESIÓN Y CORRELACIÓN LINEAL, SERIES DE TIEMPO Msc. Esmelda Aguirre Téllez Master en Administración de Negocios

3 1. Regresión y correlación simple 2. Regresión múltiple 3.Series de tiempo 4.Pronóstico de la demanda 5.Estacionalidad ORGANIZACIÓN DEL MODULO

4 REGRESION Y CORRELACION SIMPLE

5 Análisis de correlación Conjunto de técnicas estadísticas empleado para medir la intensidad de la asociasión entre dos variables Diagrama de dispersión Gráfica que presenta la relación entre dos variables Variable dependiente La variable que se produce o se calcula. Esta variable comunmente se marca en el eje Y Variable independiente Una variable que proporciona las bases para el cálculo. Es la variable de predicción. Esta variable se marca en el eje X

6

7 DIAGRAMA DE DISPERSION

8 Coeficiente de correlación Medida de la intendidad de la relación lineal entre dos variables - Toma valores entre –1 y +1 - Un coeficiente de correlación cercano a 1 ó –1 indica una fuerte asociación - Un valor cercano a cero indica una débil asociación r = 0.759

9 Correlación Perefecta Positiva

10 Correlación Perefecta Negativa

11 Coeficiente de Determinacion Nos indica la porción de la variación total en la variable Y que se explica por la variación en la variable independiente. -Es un valor entre 0 y 1 -Es el cuadrado del coeficiente de correlación r 2 = 57.6%

12 Forma General de la Ecuación de Regresión Pendiente de la linea de regresión

13 Intercepción con el eje X Ecuación de Regresión Y’ = 18.9476 + 1.1842X

14 Valores estimados a partir de la ecuación VendedorXY Timm Keller2042.6316 Jeff Hall4066.3156 Brian Virost2042.6316 Juan Flores3054.4736 Susana Cabrera1030.7896 Luis Pérez1030.7896 Juan Estrada2042.6316 Rigoberto Mejía2042.6316 Adriana Meza2042.6316 Emilio Jones3054.4736

15 Trazo de la Linea de Regresión

16 Error estándar de estimación Medida de la dispersión de los valores observados, con respecto a la linea de regresión

17 ANALISIS DE REGRESION Y CORRELACION MULTIPLES

18 Examina la influencia de dos o más variables independientes sobre la variable dependiente Ecuación de regresión para dos variables independientes Para obtener los valores de a y b

19 NoConsumoIngreso# FamiliaEscolares 13,90037.640 25,30051.551 34,30051.640 44,90046.850 56,40053.861 67,30062.671 74,90054.350 85,30043.740 96,10060.851 106,40051.361 117,40049.361 125,80056.350 Ejemplo

20 Matriz de Correlación ConsumoIngresoTamaño Ingreso0.587 Tamaño0.8760.609 Escolares0.7730.4910.743 Ecuación de Regresión Y’ = 954 + 10.92X 1 + 748.4X 2 + 564.5X 3

21 SERIES DE TIEMPO

22 UNA SERIE DE TIEMPO ES UN CONJUNTO DE DATOS REGISTRADOS DURANTE UN PERIODO POR LO GENERAL, SEMANAS, MESES, TRIMESTRES O AÑOS SERIE DE TIEMPO

23 Tendencia secular Variación cíclica Variación estacional Variación irregular Componentes de una serie de tiempo Es la tendencia a largo plazo sin alteraciones de una serie de tiempo. Algunas se mueven hacia arriba, otras declinan y otras permanecen igual en un cierto período Comprende el ascenso y el descenso de una serie de tiempo en períodos mayores de un año. Esquemas (patrones) de cambio en una serie de tiempos en un año. Tales patrones tienden a repetirse cada año -Episódicas: no son predecibles pero pueden identificarse -Residuales: Después que las fluctuaciones episódicas se han eliminado a la variación restante se le llama variación residual. No proyectables

24 TENDENCIA SECULAR

25 VARIACION CICLICA

26 VARIACION ESTACIONAL

27 Tendencia lineal La gráfica de la tendencia a largo plazo de muchas series de negocios como ventas, exportaciones y producción, con frecuencia se aproxima a una linea recta Ecuación de tendencia lineal Y’ = a + bt Pendiente Intercepto con eje Y

28 AñoVentas Ytt Y t 2 Y’ 199471717.4 19951022048.7 19969327910 1997114441611.3 1998135652512.6 TOTAL601516355 Ecuación de tendencia lineal Y’ = 6.1 + 1.3t Ejemplo:

29 Gráfica de la función de regresión

30 Promedio Móvil Suaviza las fluctuaciones de la información. Esto se realiza al mover los valores de la media aritmética a través de la serie de tiempo. Para aplicar el método del promedio movil a una serie de tiempo, los datos deben seguir una tendencia lineal aproximada y tener un esquema de fluctuaciones rítmico definido.

31 Cálculo de un promedio móvil de tres años para la siguiente serie de producción AñoProducción (miles) Total móvil de tres años Promedio móvil de tres años 19932- 19946124 19954155 19965124 19973186 199810-

32

33 Tendencias no lineales La información que aumenta o disminuye en cantidades crecientes en un período, aparece en forma curvilínea cuando se grafica en papel con escala aritmética. La ecuación de tendencia para una serie de tiempo que se aproxima a una tendencia curvilínea, puede calcularse usando los logaritmos de los datos y el método de los mínimos cuadrados. Ecuación de Tendencia Logarítmica Log Y’ = log a + log b(t)

34 PRONOSTICOS DE DEMANDA PRONOSTICO: Previsión para cualquier actividad futura EL PRONOSTICO INCIDE EN: -Volumen de producción -Nivel de Inventarios -Presupuesto -Política de precios -Desarrollo del producto -Ampliación de la Planta

35 METODO DE MINIMOS CUADRADOS LINEA RECTA Y = a + bx

36 METODO DE MINIMOS CUADRADOS CURVA EXPONENCIAL Y = ab x

37 Log Y = A + BX

38 METODO DE MINIMOS CUADRADOS CURVA O POTENCIA Y = ax b

39

40 PROMEDIO MOVIL SIMPLE AÑOVENTASyP n+1 1995108--- 1996119113.5 1997110114.5113.5 1998122116.0114.5 1999130126.0116.0 2000126.0

41 SUAVIZACION EXPONENCIAL Promedio ponderado exponencial del período t Constante de atenuación Promedio ponderado exponencial del período t-1 Demanda del período ”n”

42