REGRESIÓN LINEAL O MÍNIMOS CUADRADOS

REGRESIÓN LINEAL O MÍNIMOS CUADRADOS
El modelo de pronóstico de regresión lineal permite hallar el valor esperado de una variable aleatoria a cuando b toma un valor específico. La aplicación de estemétodo implica un supuesto de linealidad cuando la demanda presenta un comportamiento creciente o decreciente, por tal razón, se hace indispensable que previo a la selección de este método exista unanálisis de regresión que determine la intensidad de las relaciones entre las variables que componen el modelo.
¿Cuándo utilizar un pronóstico de regresión lineal?
El pronóstico de regresión linealsimple es un modelo óptimo para patrones de demanda con tendencia 
(Creciente o decreciente), es decir, patrones que presenten una relación de linealidad entre la demanda y el tiempo.

Existen medidasde la intensidad de la relación que presentan las variables que son fundamentales para determinar en qué momento es conveniente utilizar regresión lineal.
Análisis de regresión
El objetivo de unanálisis de regresión es determinar la relación que existe entre una variable dependiente y una o más variables independientes. Para poder realizar esta relación, se debe postular una relación funcionalentre las variables. Cuando se trata de una variable independiente, la forma funcional que más se utiliza en la práctica es la relación lineal. El análisis de regresión entonces determina la intensidadentre las variables a través de coeficientes de correlación y determinación.
Coeficiente de correlación [r]
El coeficiente de correlación, comúnmente identificado como r o R , es una medida deasociación entre las variables aleatorias X y Y, cuyo valor varía entre -1 y +1.

El cálculo del coeficiente de correlación se efectúa de la siguiente manera:

Dónde t hace referencia a la variable tiempoy x a la variable demanda.
Modelo de Regresión Lineal Simple
Fórmulas

Pronóstico del período t

Intersección de la línea con el ej

Pendiente (positiva o negativa)

Período de tiempo

Donde...