Ya que se ha explicado la regresión lineal simple para pronosticar la demanda y antes de continuar con la regresión múltiple parece oportuno presentar el cuarteto de Anscombe, el cual muestra la importancia de visualizar los datos para identificar su comportamiento. La enseñanza es que no se debe confiar ciegamente en las estadísticas descriptivas. Con este propósito, se presentan cuatro conjuntos de datos con propiedades estadísticas casi idénticas en la siguiente tabla.
En las últimas filas de la tabla, se ha registrado la media y la varianza para cada variable xi y para cada variable yi. Además, se ha calculado el coeficiente de correlación para cada par de variables xi y yi. La ecuación de regresión lineal simple es la siguiente para cada uno de los cuatro casos:
Sin embargo, cuando cada una de las cuatro relaciones se grafican, se observan patrones completamente diferentes.
El primer conjunto de datos muestra una relación aproximadamente lineal; la relación que se observa en el segundo conjunto de datos es semejante a una parábola; el tercer conjunto de datos presenta una relación lineal, pero con un punto atípico y el cuarto conjunto de datos también tiene un punto atípico que afecta significativamente la ecuación de regresión.
El cuarteto de Anscombe enfatiza la importancia de visualizar los datos y destaca que los puntos atípicos o patrones inusuales producen estadísticas engañosas. Graficar los datos facilita la identificación de patrones, de puntos anómalos y de un modelo de pronóstico que se ajuste.
En la siguiente tabla, se muestran los errores del pronóstico como la diferencia entre el valor real de y, y aquel estimado con la ecuación de regresión. La fórmula para calcular el error es la siguiente:
El error promedio de los errores es cero en los cuatro casos, lo que refuerza lo comentado con anterioridad.
- ¿Qué es un pronóstico?
- Importancia de los pronósticos
- Pronóstico de la demanda y su relación con los inventarios
- ¿Qué es un buen pronóstico?
- Obtención de datos para el pronóstico
- Métodos de pronóstico
- Diagrama de dispersión
- Componentes de la demanda
- Ciclo de vida del producto
- Series de tiempo
- Último dato
- Promedio
- Promedios móviles
- Promedios ponderados
- Suavizado exponencial simple
- Desarrollo de la fórmula de suavizado exponencial simple
- Valores equivalentes de n y α
- Suavizado exponencial doble
- Pronosticar más de un periodo con suavizado exponencial doble
- Factores estacionales
- Suavizado exponencial triple
- Pronosticar más de un periodo con suavizado exponencial triple
- Métodos causales
- Regresión lineal simple
- Medición de la variabilidad del modelo de regresión
- Coeficiente de determinación
- Coeficiente de correlación
- Análisis de varianza de la regresión lineal simple
- Regresión lineal simple y análisis de varianza con Microsoft Excel
- Regresión múltiple con enfoque matricial
- Regresión múltiple y análisis de varianza con Microsoft Excel
- Regresión y estacionalidad
- Medidas de desempeño del pronóstico
- Métodos cualitativos