CURSO: MTODOS DE PREDICCIN PROFESOR: Ing.

GUZMN VALLE MARA

TEMA: CASO 6.2: BUTCHER PRODUCTS, INC INTEGRANTES: CAYLE ANGELES, FERNANDO LOPEZ QUIROZ, FRANK MORANTE ALARCN, JAIME PAREDES CRUZ GIOSTTI RODRIGUEZ CARRILLO, CARLOS

LAMBAYEQUE, JULIO del 2013

CASO 6.2: BUTCHER PRODUCTS, INC

Gene Butcher es dueo y presidente de Butcher Products, Inc, una pequea compaa que fabrica sistemas de conductos de fibra de vidrio para instalaciones de cableado elctrico. Gene ha estado estudiando la cantidad de conductos fabricados por da en los ltimos dos y medio aos y est preocupado sobre la amplia variabilidad de esta cifra. Para pronosticar apropiadamente el rendimiento de produccin, costos, ingresos y algunas otras variables, Gene necesita establecer una relacin entre el resultado y alguna otra variable. Con base en su experiencia en la compaa, no encuentra ninguna razn para la variabilidad en el rendimiento hasta que empieza a pensar en las condiciones climticas. Su razonamiento es que la temperatura exterior puede influir en la productividad de su fuerza laboral y el rendimiento diario obtenido. Gene selecciona al azar algunos das de sus registros y anota la cantidad de productos producidos en cada uno de esos das. Luego se dirige a la agencia climtica local y registra las temperaturas de cada uno de los das seleccionados. Gene est listo para realizar un estudio d correlacin entre estas dos variables cuando se da cuenta de que, probablemente, el rendimiento est relacionado con la desviacin de la temperatura ideal y no por la temperatura misma. En otras palabras, piensa que un da que es muy caluroso o muy fro tendr un efecto negativo en la produccin cuando se compara con un da con temperatura ideal. Decide convertir sus lecturas de temperaturas a desviaciones de 65 grados Fahrenheit, a la que considera ideal para generar altos rendimientos laborales. Sus datos aparecen como sigue: Y representa el nmero de unidades producidas, mientras que X representa la diferencia absoluta (se eliminan los signos negativos) entre la temperatura del da y 65 grados. unidades producidas(y) temperatura(x) 485 12 512 10 625 3 585 4 318 27 405 10 379 18 497 12 316 27 351 20 525 4 395 11 327 15 308 25 603 8

321 426 410 515 498 357 429 401

35 5 12 2 7 17 8 12

Gene realiza un anlisis de regresin con la computadora de su compaa y el software Minitab. Gene est contento al ver los resultados de su anlisis de regresin como se presenta en la tabla 6.14. Los valores t son altos, lo cual indica que ambos coeficientes en la ecuacin de regresin de muestra (552 y -8.9) son significativos: para ambos, los valores p para la prueba t son muy pequeos. Cambiando a r cuadrada, Gene est un poco decepcionado al apreciar que su valor, aunque satisfactorio, no es tan alto como l esperaba (64,2%). Sin embargo, decide que es lo suficientemente alto como para pensar en la manera de incrementar los niveles de produccin diarios. Anlisis de regresin: unidades producidas(y) vs. temperatura(x)
La ecuacin de regresin es unidades producidas(y) = 552 - 8.91 temperatura(x) Coef. de EE 22.85 1.453

Predictor Constante temperatura(x) S = 59.4052

Coef 552.04 -8.911

T 24.16 -6.13

P 0.000 0.000

R-cuad. = 64.2%

R-cuad.(ajustado) = 62.5%

Anlisis de varianza Fuente Regresin Error residual Total GL 1 21 22 SC 132758 74109 206866 MC 132758 3529 F 37.62 P 0.000

Observaciones poco comunes Obs 15 16 temperatura(x) 8.0 35.0 unidades producidas(y) 603.0 321.0 Ajuste 480.8 240.2 Ajuste SE 14.5 34.0 Residuo 122.2 80.8 Residuo estndar 2.12R 1.66 X

R denota una observacin con un residuo estandarizado grande. X denota una observacin cuyo valor X le concede gran influencia.

PREGUNTAS: 1. Cuntas unidades pronosticara para un da en el que la temperatura fuera de 89 grados? 2. Cuntas unidades pronosticara para un da en el que la temperatura fuera de 41 grados? 3. Con base en los resultados del anlisis de regresin mostrado anteriormente Qu accin recomendara tomar a Gene para incrementar el rendimiento diario? 4. Cree usted que Gene ha desarrollado una herramienta efectiva de pronstico? SOLUCIN 1. De acuerdo al anlisis de regresin hallado por Gene, se procede a pronosticar para una temperatura de 89 grados, en el cul, para realizar el anlisis utilizamos desviacin de 65 grados Fahrenheit, siendo este 24. Realizando el pronstico tenemos lo siguiente:
Valores pronosticados para nuevas observaciones Nueva Obs 1 Ajuste 338.2 Ajuste SE 20.0 IC de 95% (296.6, 379.7) PI de 95% (207.8, 468.5)

Pronstico: Con una temperatura de 89 grados, podemos indicar que las unidades producidas sern en promedio 338.2, con una desviacin de 45.5. 2. Manejando el mismo anlisis de regresin, se procede a pronosticar para una temperatura de 41 grados, en el cul, para realizar el anlisis utilizamos desviacin de 65 grados Fahrenheit, siendo este -24. Para su uso en el anlisis trabajaremos con el valor absoluto de la desviacin de temperatura (24). Realizando el pronstico tenemos lo siguiente:
Valores pronosticados para nuevas observaciones Nueva Obs 1 Ajuste 338.2 Ajuste SE 20.0 IC de 95% (296.6, 379.7) PI de 95% (207.8, 468.5)

Pronstico: Con una temperatura de 41 grados, podemos indicar que las unidades producidas sern en promedio 338.2, con una desviacin mxima de 45.5. 3. Con los resultados anteriores, se puede observar que a temperaturas extremas (muy bajas como la de 41 F o muy altas como la de 89 F) el rendimiento es bajo, las unidades producidas son pocas, lo recomendable sera que los trabajadores laboraran bajo temperaturas clidas para que pueda incrementar su produccin. 4. El modelo de regresin hallado por Gene no es el adecuado para realizar sus pronsticos, debido a que la variable temperatura usada para calcular su produccin, a pesar de que el modelo es significativo, no es lo suficientemente fuerte como para explicar las variaciones que existen en su produccin. Sera recomendable buscar otra variable (horas trabajadas,

remuneracin, nmero de trabajadores, etc.) que tenga mayor influencia en la produccin, o trabajar con varias variables, de tal forma que el nivel de explicacin de las variaciones de su produccin (coeficiente de determinacin) sea mucho mayor que trabajando independientemente (Usar un modelo de regresin mltiple).