ELE necesita estimar sus ventas del próximo año, en la siguiente tabla se muestra los ingresos de la línea de electrodomésticos de la empresa de los últimos seis años

1. EJERCICIOS

1. ELE necesita estimar sus ventas del próximo año, en la siguiente tabla se muestra los ingresos de la línea de electrodomésticos de la empresa de los últimos seis años:

1. Los datos de ventas son representativos de las ventas que se esperan el año siguiente, utilice un análisis de regresión de serie de tiempo para pronosticar los ingresos por ventas del año 7.
2. Determine el coeficiente de correlación de los datos e interprete su significado.
3. Determine el coeficiente de determinación de los datos e interprete su significado.

SOLUCION:

Este dato nos indica que existe relación positiva es decir a medida que aumentan los años la demanda también se incrementa.

c)

1. En el problema anterior, se pregunta si el análisis de regresión de la serie de tiempo es la mejor manera de pronosticar las ventas del año que viene.  Están examinando los siguientes datos de la industria.

1. Haga un análisis de regresión entre los ingresos por ventas anuales de electrodomésticos y los ingresos por ventas anuales en toda la industria. ¿Cuál es el pronóstico de ingresos por ventas del año que viene, si la estimación del siguiente año de ingresos por ventas para toda la industria es de 21,900 millones de dólares?
2. ¿Qué pronóstico, el pronóstico de serie de tiempo del problema 1 o el pronóstico de este problema, parece ser mejor? ¿Por qué?

SOLUCION:

a)

b)

De acuerdo con los coeficientes de ambos ejercicios se tiene que el pronóstico del segundo año presenta menor error.

1. Con los datos del problema 1, ¿Cuál es el rango del pronóstico para el año siguiente, si se utiliza un intervalo de confianza de 95%?

1. General suministra en la región del norte, servicios de cómputo a pequeños fabricantes, bajo pedido. Los trabajos generalmente incluyen procesamientos rutinarios de datos y de cómputo para aumentar el aprovechamiento de las computadoras en las instalaciones de los clientes. Un analista de producción ha desarrollado una ecuación de regresión lineal que estima el número de horas de facturación de una orden de servicio:

Y = 19 + 0.075 X1 + 5.95 X2 + 25.50 X3

Donde:

Y = cantidad de horas de facturación por orden de servicio

X1 = cantidad de órdenes en el pasado del cliente durante los últimos cinco años

X2 = número de la semana en el mes cuando se recibió la orden (1,2,3 y 4)

X3 = inverso del número de empleados de servicio de computación en las instalaciones del cliente.

R2 = 0.89

1. Estime la cantidad de horas de facturación requeridos en la siguiente orden, donde X1= 150, X2= 2, y X3=5.
2. ¿Cuál es el significado de R2=0.89?

SOLUCION:

1. Representa el porcentaje de variabilidad de la variable dependiente.

1. Con los datos del problema 2, ¿Cuál es el rango del modelo de pronóstico de ingresos de ventas para el año que viene si se utiliza un nivel de significancia de 0.01% con un intervalo de confianza de 99%?

...