PRONÓSTICOS: REGRESION LINEAL

En estadística la regresión lineal o ajuste lineal es un modelo

matemático usado para aproximar la relación de dependencia entre
una variable dependiente Y, las variables independientes Xi y un
término aleatorio ε
MODELO DE REGRESION LINEAL SIMPE
Ejemplo de Regresión Lineal Simple
Regresión lineal múltiple
Aplicación de la regresión lineal para pronosticar la
demanda de un producto
En el área de logística de una empresa se tiene que
elaborar pronósticos de la demanda de un producto a
fin de planear las cantidades de producción más
apropiadas. El área de ventas proporciona la
información de las ventas y también el gasto en
publicidad en cada trimestre.
 GASTOS EN
TRIMESTRE VENTAS(miles de unidades)
PUBLICIDAD(miles de soles)

1 280 3.5

2 200 2.8

3 150 2.4

4 250 3.0

Si el gerente de marketing afirma que el siguiente

trimestre se gastara S/.2650.00 en publicidad del
producto. Se pide aplicar la regresión lineal para
pronosticar las ventas.
Solución:
En este ejemplo definimos gastos en publicidad como la variable
independiente y las ventas como la variable dependiente y
definimos la ecuación estimada.
𝑌෠ = 𝑏𝑋 + 𝑐
Donde: 𝑌෠ representa las ventas del producto y 𝑋 representan los
gastos en publicidad.
Hallamos los coeficientes por mínimos cuadráticos:
σ 𝑥𝑖 𝑦𝑖 −𝑛𝑥ҧ 𝑦ത
𝑏= σ 𝑥𝑖 2 −𝑛𝑥ҧ 2

𝑐 = 𝑦ത − 𝑏𝑥ҧ
Tabla estadístico de las variables

GASTOS EN PUBLICIDAD
VENTAS (𝒚𝒊 ) 𝒙𝒊 𝒚𝒊 𝒙𝒊 𝟐
(𝒙𝒊 )

280 3.5 980 12.25

200 2.8 560 7.84

150 2.4 360 5.76

250 3.0 750 9.00

880 11.7 2650 34.85

 11.7 880
𝑥ҧ = = 2.925 𝑦ത = = 220
4 4
Hallando el valor de b:
2650 − 4 ∗ 2.925 ∗ 220
𝑏= 2
= 121.116
34.85 − 4 ∗ 2.925

Hallando el valor de c:
𝑐 = 220 − 121.116 ∗ 2.925 = −134.2643
La ecuación estimada quedaría como:
෡ = 𝟏𝟐𝟏. 𝟏𝟏𝟔𝑿 − 𝟏𝟑𝟒. 𝟐𝟔𝟒𝟑
𝒀
Si el gasto el próximo trimestre será de S/.2650.00 entonces la
venta estimada para ese periodo será de:
𝑌෠ = 121.116 2.65 − 134.2643 = 𝟏𝟖𝟔. 𝟔𝟗𝟑𝟏