Cmo utilizar una Regresin Lineal para realizar un Pronstico de Demanda

El mtodo de mnimos cuadrados o regresin lineal se utiliza tanto para pronsticos de series de tiem
En particular cuando la variable dependiente cambia como resultado del tiempo se trata de un anlisi
demanda haciendo uso de la informacin histrica de venta de un producto determinado durante los
Trimestre Ventas
1
600
2
1,550
3
1,500
4
1,500
5
2,400
6
3,100
7
2,600
8
2,900
9
3,800
10
4,500
11
4,000
12
4,900

La ecuacin de mnimos cuadrados para la regresin lineal es la q

son los parmetros de intercepto y pendiente, respectivamente:

Estimar los valores de dichos parmetros es sencillo haciendo uso de una planilla Excel tal como mue

Promedio
SUMA
n

x
1
2
3
4
5
6
7
8
9
10
11
12
6.5

y
600
1,550
1,500
1,500
2,400
3,100
2,600
2,900
3,800
4,500
4,000
4,900
2,779.17

xy
600
3,100
4,500
6,000
12,000
18,600
18,200
23,200
34,200
45,000
44,000
58,800
268,200

x2
1
4
9
16
25
36
49
64
81
100
121
144

y2
360,000
2,402,500
2,250,000
2,250,000
5,760,000
9,610,000
6,760,000
8,410,000
14,440,000
20,250,000
16,000,000
24,010,000

650

12

Luego evaluamos en las ecuaciones presentadas anteriormente para obtener los valores de 0y1:

1=

51,425

359.62

1=
0=

143.00

359.62

441.67

Una vez obtenido los parmetros de la regresin lineal se puede desarrollar un pronstico de demand
regresin para los distintos valores de la variable independiente (x). Por ejemplo para el primer trimes
Observacin:los valores de los pronsticos han sido redondeados arbitrariamente a un decimal.

Promedio
SUMA
n
0=
1=

x
1
2
3
4
5
6
7
8
9
10
11
12
6.5

y
600
1,550
1,500
1,500
2,400
3,100
2,600
2,900
3,800
4,500
4,000
4,900
2,779.17

xy

x2

600
3,100
4,500
6,000
12,000
18,600
18,200
23,200
34,200
45,000
44,000
58,800

1
4
9
16
25
36
49
64
81
100
121
144

268,200

y2
360,000
2,402,500
2,250,000
2,250,000
5,760,000
9,610,000
6,760,000
8,410,000
14,440,000
20,250,000
16,000,000
24,010,000

650

12
441.67
359.62

Notar que con la informacin que hemos obtenido podemos calcular elMAD y la Seal de Rastreoy ut
utilizar este procedimiento como dispositivo de pronstico.
Siguiendo con nuestro anlisis a continuacin podemos desarrollar un pronstico para los prximos 4

x
1
2
3
4
5

y
600
1,550
1,500
1,500
2,400

xy
600
3,100
4,500
6,000
12,000

x2
1
4
9
16
25

y2
360,000
2,402,500
2,250,000
2,250,000
5,760,000

Promedio
SUMA
n
0=
1=

6
7
8
9
10
11
12
13
14
15
16
6.5

3,100
2,600
2,900
3,800
4,500
4,000
4,900

18,600
18,200
23,200
34,200
45,000
44,000
58,800

36
49
64
81
100
121
144

9,610,000
6,760,000
8,410,000
14,440,000
20,250,000
16,000,000
24,010,000

2,779.17
268,200

650

12
441.67
359.62

Si bien el procedimiento anterior es vlido puede ser resumido haciendo uso de las herramientas de a
un ajuste de una regresin lineal en un grfico de dispersin de la misma forma que abordamos en el
Para ello luego de realizar el grfico nos posicionamos en una de las observaciones y luego botn dere

Ventas
6,000

6,000

5,000

5,000

4,000

4,000

3,000

3,000

2,000

2,000

1,000

1,000

10

12

14

Luego en la interfaz de Excel activamos las opcionesPresentar ecuacin en el grficoyPrese

(este ltimo indicador segn se aborda en los cursos de estadstica consiste en una medida de la bond
Notar que los valores obtenidos para los parmetros de la regresin son similares salvo menores difer

Ventas
6,000
5,000
4,000
3,000
2,000
1,000
-

f(x) = 359.6153846154x + 441.6666666667

R = 0.9331861016

6,000
5,000
f(x) = 359.6153846154x + 441.6666666667
R = 0.9331861016

4,000
3,000
2,000
1,000
-

10

12

14

de Demanda
a pronsticos de series de tiempo como para pronsticos de relaciones causales.
del tiempo se trata de un anlisis de serie temporal. En el siguiente artculo desarrollaremos un pronstico de
ducto determinado durante los ltimos 12 trimestres (3 aos).

s para la regresin lineal es la que se muestra a continuacin donde 0y1

y pendiente, respectivamente:

una planilla Excel tal como muestra la tabla a continuacin:

btener los valores de 0y1:

rollar un pronstico de demanda (columna color naranja) evaluando en la ecuacin de la

or ejemplo para el primer trimestre el pronstico es:Y(1)=441,71+359,61*1=801,3.
trariamente a un decimal.

Y
801.3
1,160.9
1,520.5
1,880.1
2,239.7
2,599.4
2,959.0
3,318.6
3,678.2
4,037.8
4,397.4
4,757.1

MAD y la Seal de Rastreoy utilizar estos indicadores para validar la conveniencia de

pronstico para los prximos 4 trimestres (un ao) que corresponden a los trimestres 13, 14, 15 y 16:

Y
801.3
1,160.9
1,520.5
1,880.1
2,239.7

2,599.4
2,959.0
3,318.6
3,678.2
4,037.8
4,397.4
4,757.1
5,116.7
5,476.3
5,835.9
6,195.5

do uso de las herramientas de anlisis de datos de Excel o simplemente realizando

ma forma que abordamos en el articulo sobre elMtodo de Descomposicin.
bservaciones y luego botn derecho del mouse para seleccionarAgregar lnea de tendencia.

Ventas
6,000
5,000
4,000
3,000
2,000
1,000
-

10

12

14

acin en el grficoyPresentar el valor R cuadrado en el grfico

nsiste en una medida de la bondad de ajuste de la regresin).
n similares salvo menores diferencias por efecto de aproximacin.

rrollaremos un pronstico de

stres 13, 14, 15 y 16:

e tendencia.