Análisis predictivo en Excel: proyección y regresión

1. Introducción: Hola, me llamo Ruben, y en esta clase estaremos buceando en pronósticos y regresión en Excel. Por lo que en esta clase, te estaré enseñando cómo puedes usar Excel para pronosticar datos como tu inventario, tus ventas, u otras finanzas usando Excel. También vamos a repasar la regresión, o podemos buscar, por ejemplo, en qué impulsa tus ventas son, qué impulsa tu inventario. He adquirido mi experiencia con Excel, trabajando para diferentes organizaciones grandes como ING Bank, Pfizer, donde he estado ayudando a la gente y enseñando a la gente cómo pueden tomar mejores decisiones usando Excel. Por lo que antes de sumergirnos en este vaso, es bueno saber que este vaso requiere que sepas un poco cómo funciona Excel. Al igual que en realidad no vamos a sumergirnos en fórmulas básicas, pero tampoco va a ser ciencia. No hace falta ser matemático para entender las fórmulas que estamos aplicando. Principalmente lo vamos a ver desde un punto de vista práctico. Para que puedas empezar a pronosticar tus datos. Además, creo que será una buena idea si te aseguras de tener Excel 2016. Dado que no todas las fórmulas de esta clase están disponibles en versiones anteriores en Excel. Entonces espero que te emociones tanto como yo por sumergirme en el tema y por sumergirte en estas características de previsión cuantitativa que no han sido muy conocidas dentro de Excel. Por lo que espero verte en el próximo video donde estaremos yendo al contorno y al proyecto de esta clase. Gracias. 2. Esquema de clase y proyecto: Hola y bienvenidos al video donde estaremos buscando la Visión General de Clase y la descripción del proyecto de nuestro análisis predictivo de clase en Excel, pronosticando regresión. Entonces nuestra clase será, como dice el título, básicamente dividida en partes. Hablaremos de pronósticos y hablaremos de regresión. Y por lo tanto, empezaremos con una introducción a la previsión y a esta clase. El propósito principal de esta clase es hacer aquellas funciones que no pueden parecer un poco intimidantes, sobre todo la regresión, para que sea fácil de entender sin necesariamente ser un experto en estadística. Te va a ayudar a entender mejor la clase si sí sabes una o dos cosas sobre estadísticas. Pero mi objetivo es que aunque no lo hagas, seguirás siendo capaz de usar estas herramientas después de haber estado viendo estos vidrios. Entonces la primera función en la que vamos a sumergirnos es el pronóstico lineal. El segundo será el pronóstico estacional y exponencial. O vamos a discutir patrones recurrentes y pronósticos un poco más avanzados. Y luego vamos a calcular el intervalo de confianza. Entonces, con base en un porcentaje de seguridad, vamos a dar nuestros peores casos y nuestro mejor escenario fuera de nosotros mismos pronósticos. En el número 234, estará buceando de forma práctica en Excel, mostrándote cómo se están haciendo estas características. Y en la clase uno, simplemente estaré explicando un par de lo básico, uno o dos minutos sobre pronósticos. Y entonces la segunda parte será la regresión. Por lo que de nuevo en esta clase y es video introducción a la regresión estará buscando cuáles son las cosas en herramientas y mangos que necesitas saber antes sumergirte en Excel y realizar una regresión tú mismo. Entonces básicamente vamos a hablar de qué significa hacer un análisis de regresión y el nafta, ese video, nos sumergimos en Excel y estaremos realizando un análisis de regresión nosotros mismos. En este video, también te explicaremos y cubriremos cómo interpretas los resultados de tu análisis de regresión. Después de que hayamos hecho el video seis, entraremos en nuestra revisión de proyectos. Después de esta lista, después de hablar de la clase irá en este video al proyecto y lo que significa. Y entonces V0 va a ser el óptimo. Y llegaré a los proyectos de clase. Por lo que el proyecto de clase será un pronóstico y análisis de nuestros datos de ventas. Y será un informe que le dará a la mayor dirección de su empresa, incluida la elección entre las funciones lineales o estacionales para pronosticar los próximos años de datos de ventas. Todas estas asignaciones para un proyecto de clase también se cubrirán en nuestras lecciones anteriores. Por lo que antes de menos de siete, debes tener todo el know-how para realizar los siguientes cuatro temas. Entonces el segundo es calcular los intervalos de confianza en tu pronóstico. En tercer lugar, el proyecto ha dado algunos datos extra que posiblemente podrían influir en nuestras ventas. Y por lo tanto, va a ser de ti ver si puedes averiguar qué variables, qué variables independientes está afectando nuestras ventas. Y N4, adjunté, te voy a mostrar esto en un poquito. Archivo de Excel, o puedes presentar tus hallazgos en un bonito reporte y dar algunas métricas clave extra con él. Entonces vamos a usar dos archivos. Un archivo, que es un conjunto de datos diferente que voy a usar para las clases. Subiré este también para que puedas revisar cómo he hecho eso. Y el otro va a ser para el proyecto. Y contiene datos y una plantilla que vas a utilizar para asignaciones. Entonces vamos a sumergirnos en el archivo que vamos a utilizar para el proyecto. De acuerdo, así que este es el archivo Excel, pero vamos a estar usando para nuestro proyecto. Por lo que aquí mismo encontrarás las instrucciones. Y vamos a usar este esquema para rellenar gráficos que vamos a necesitar para nuestro análisis. Entonces no solo vamos a calcular beta arriba o de lo contrario los vamos a convertir en las gráficas. Y estas gráficas que vamos a poner en esos campos. Y luego aquí mismo, vamos a tener algunos datos de regresión extra. Vamos a evaluar nuestro análisis de regresión de gira. Y esos datos que podemos poner aquí. Entonces déjame mostrarte rápidamente los datos brutos. Este es un dato de varilla que estamos usando. Y esta es una especie de tienda Home Depot con entradas de sellos. Entonces aquí tenemos las ventas, el descuento por cantidad de ganancia, y algunos otros datos no vamos a usar todos los datos. El más importante es un poco ser ventas, pedido, fecha y descuento. Y ya lo he hecho, no tienes que hacer nada con los datos crudos. Ya he resumido los datos para usted aquí. Por lo que al mes podemos ver dos ventas reportadas. Tu objetivo es agregar las previsiones de ventas que el intervalo de confianza, el margen inferior y los límites superiores. Y también para traducir esto a la gráfica que estamos viendo aquí mismo. Y luego para el análisis de datos, la regresión tendrá lo mismo. Por lo que ya tenemos los datos. Ya no tienes que fuente de datos. Tu objetivo es realizar el análisis de regresión aquí mismo. Y luego también convertir este análisis de regresión con los datos que tenemos aquí en las gráficas apropiadas que eventualmente podemos copiar y pegar y poner en nuestro paso de instrucción. Por favor, lea las descripciones por gráfico, lo que necesitaremos proporcionar para dar la representación correcta de lo que estamos buscando, un lo que queremos contar. Y las empresas contratan a la gerencia. Y aquí mismo puedes llenar hasta la fecha el análisis de regresión. Entonces de nuevo, todo tiene una descripción. Te ayudé con algunos consejos y trucos a través con el fin de crear esta plantilla para las empresas de gestión de contrataciones. Y les deseo buena suerte con el proyecto. Te deseo buena suerte con los siguientes siete videos sobre pronósticos y análisis de errores y regresión y sobre reportajes. Y en caso de que tengas alguna pregunta, siéntete libre de dejar las siguientes preguntas en este paciente Habilidad Share. Y te ayudaré lo antes posible. Buena suerte con las clases. 3. Introducción a la previsión: De acuerdo, así que antes de sumergirnos en aplicar nuestra técnica de previsión en Excel, quiero cubrir brevemente Reetu cuáles son las diferentes definiciones dentro de la previsión. Entonces en este video entraremos en eso. Y lo que está pronosticando realmente cumple. Por lo que la predicción es el proceso de hacer predicciones del futuro basadas y datos pasados y presentes. Lo más común por análisis de tendencias. Significa que podemos mirar en diferentes epics transfer go look en tendencias lineales y, y tendencias estacionales. Y algunos ejemplos de la industria son para la comercialización. Predicción. La demanda y la oferta suelen ser altamente estacionales. Características. Piensa en que una heladería tenga que comprar más inventario para helados en el verano porque más gente come helado entrando en invierno, menor inventario. Realmente se pueden beneficiar de las técnicas de pronóstico para decidir cuánto helado deben comprar. Por lo que para el departamento de finanzas, podría ser un gran para predecir ventas o ingresos, destinar los presupuestos adecuados para fines derivados, y hacer un análisis de mercado, por ejemplo, para finanzas que estén más involucradas en los mercados bursátiles de nuestros mercados financieros. Y luego RHH, puedes usarlo para la planificación. Y cuántas personas necesitarás poner en oficina MDL se ponen en el terreno de trabajo. Se puede predecir la ausencia, la productividad. Todas estas cosas tienen que estar atadas a ciertas tendencias. Y de nuevo, quiero enfatizar que en la predicción, estaremos viendo la parte cuantitativa de pronosticar y predecir nuestros datos. No obstante, cada Trento también tiene una parte cualitativa al mismo. Y así también necesitamos saber, no estoy sólo a ciegas ir por nuestros pronósticos cuantitativos. Siempre ayuda para que investigues e investigues por qué están sucediendo ciertas tendencias. Y esto puede optimizar tu pronóstico. Entonces llegamos a lineal versus exponencial. Linear es una forma muy sencilla de pronosticar. Básicamente toma la tasa de crecimiento promedio y vas a extender esta tasa de crecimiento hacia el futuro. Entonces si hoy vendo un helado, mañana vendo al puesto de helados en dos días, venderé tres helados. Esto es básicamente lineal. Exponencial es más avanzado y hay características en Excel que usan fórmulas complicadas que ha conseguido detective, hay una tendencia estacional al mismo. Entonces para los mejoradores recurrentes, como dijimos con las ventas de helados, esta es una gran manera de predecir tus, tus datos y además, también suavizará las desviaciones. Entonces si hay ciertos picos que no vemos en los otros patrones recurrentes, lo dejará fuera, fuera de la predicción e intenta darte lo más preciso en predicción exponencial o estacional posible. Por lo que hay un par de funciones para usar. Para el primero se pronostica o pronosticar punto lineal. Recomendé usar pronóstico de NINR sí es básicamente más un problema de compatibilidad. El mayor excels usará pronósticos y más nuevos pronósticos de uso escolar de Excel o pronóstico lineal punto ETS predice su, sus valores de los meses de cirujano en el futuro en base a las tendencias o patrones. Entonces pronostica punto ETS, punto estacionalidad va a mirar, nos va a dar, nos devuelve la longitud del patrón. Por lo que cada año tenemos un pico de ventas o un pico de beta. La estacionalidad nos dará pasos cercanos para dependiente a través del intervalo de confianza del pronóstico de recur. Esto es algo que estaremos discutiendo en videos también. Esto te ayuda a crear un intervalo, por lo que un lazo inferior y superior de lo seguros que podemos estar de que nuestro pronóstico va a estar entre este umbral inferior y superior. Siempre hay va con un nivel de confianza, que en el caso estándar es del 95%. Por lo que podemos decir con un 95% de certeza basada en los datos pasados, nuestros datos futuros van a estar en medio de un cierto intervalo. Y luego el último, éste es uno más avanzado que no vamos a estar discutiendo en esta clase y su punto de pronóstico ETS Darmstadt. Y esto te va a dar una de las requeridas son una de las métricas de retorno preferidas. Entonces si queremos conocer el alfa, beta, gamma, podemos conseguir esos o incluso más avanzados MAC S MAP, MAE o RMSE o a tamaño de paso. Pero como dije, estas son métricas estadísticas altamente avanzadas y complicadas en, y nuevamente, este propósito de este video es llegar a algunas herramientas, gente para gente en el cargo, para gente en negocios lo hizo e innecesariamente experimentos estadísticos. Entonces vamos a sumergirnos en esto. De acuerdo, así que eso fue todo para este video. En los próximos tres videos, vamos a sumergirnos en cómo realmente se pueden pronosticar los datos. Entonces en realidad estamos un poco de llegar a la parte emocionante de aplicar todos estos Fordham y nosotros, no todos estos, sino la mayoría de estas fórmulas y técnicas que hemos discutido en este video. Y los veré esperanzadamente en el próximo video. 4. Proyectos: Lineal: Hola y bienvenidos al trabajo de escucha. Vamos a empezar creando nuestras fórmulas de previsión. Entonces justo delante de mí, tengo r hoja beta. Y en nuestra ficha técnica contamos con unidades vendidas de dos tipos diferentes de productos. Por lo que tenemos bebidas y bocadillos. En esta lección, vamos a ver cómo puedes ver qué datos debes usar lineal y por qué el pronóstico lineal es una gran herramienta para predecir el futuro de tus ventas. Entonces aquí mismo tenemos datos de 2013 todo el camino hasta 2090. Y queremos predecir todo más allá de 2019, dos mil veintidós mil veintiuno en nuestro caso. Entonces lo que haremos es empezar a extender nuestros datos. Por cierto, uso las ventas como ejemplo. Pero obviamente, esa predicción lineal, es aplicable para cualquier tipo de números que realmente se pueda pronosticar de manera lineal. Te estaré mostrando lo que quiero decir con eso ahora mismo. Por lo que como pueden ver, tenemos dos tipos diferentes de datos. Por lo que se vende alma bebida y serpientes. Lo que voy a hacer ahora es que voy a crear rápidamente una gráfica de los datos. Por lo que seleccionamos los datos, hacemos click en insertar. Y aquí podemos hacer click en una trama de dispersión, que vemos ahora está justo aquí. Nosotros lo abrimos un poco. Y como puedes ver, hay dos tipos de y líneas muy diferentes que vemos ahora mismo. Entonces lo que quiero explicarles es cómo se puede ver si se debe aplicar la predicción lineal. Obviamente, los datos siempre vienen con información cualitativa también. Por lo que sabiendo de dónde vienen tus datos, su salud te va a ayudar a decidir qué tipo de pronóstico debes usar. Pero en este caso, donde tenemos los puntos anaranjados, que puedes ver aquí viene de la cantidad de bocadillos que se venden. Podemos ver claramente que tiene una línea muy recta, no es como las bebidas o tenemos un patrón recurrente. Y ya que esta es una línea recta, y podemos usar unos pronósticos lineales. Por lo que los pronósticos lineales se pueden hacer de dos maneras. El primer camino sería un peso más visual. O seleccionamos nuestra gráfica. Vamos a gráfico diseñado, Agregar elementos de gráfico. Y hacemos click aquí en línea de tendencia. Si ahora hacemos click en la línea de tendencia lineal, queremos predecirla primero, siguiente vendió la naranja. Podemos ver cómo avanza. Entonces, como dije, hemos creado dos años extra, que son dos mil veintidós mil veintiuno. Por lo tanto, tenemos dos años más aquí en los ejes X también. Y podemos ver cómo Excel está calculando nuestras tendencias lineales para seguir yendo en los próximos dos años. Entonces, lo que significa que si vamos a aplicar pronósticos lineales, no son los puntos deben estar alrededor de esta línea también. Entonces, empecemos a pronosticar de manera más precisa. Entonces vamos a hacer, es que vamos a crear aquí y otros. Y vamos a crear otra columna. Y este lo vamos a llamar bocadillos pronosticados. Y luego aquí mismo, donde aún no tenemos ningún número para serpientes, que es el primero de enero de 2020. Vamos a empezar a sumar nuestra fórmula. Por lo que iniciamos pronósticos de tipo. Pero lineal, Excel más antiguo introdujo pronósticos, que es sólo pronóstico. Pero por razones de compatibilidad, te recomiendo que solo uses pronósticos lineales, alguna característica nueva. Básicamente es la misma neblina y previsión futuro, pero sólo está más actualizada. Por lo que te recomiendo continuar con el pronóstico pero lineal. Y también cómo no debe confundirse con otras características de previsión a agregar están presentes. Por lo que comenzamos con cuatro tipos lineales. Si necesitas ayuda, puedes dar click en este botón aquí mismo. Y luego por el lado derecho te va a ayudar a construir una fórmula. Por lo que tenemos que empezar con el siguiente número. En este caso, van a ser las fechas. Por lo que queremos saber la fecha de la cual queremos pronosticar. Y el segundo serían nuestras y conocidas, que son nuestros valores conocidos. Que en este caso va a ser este próximo vendido, que es del pasado. Pero hacemos este c2. Y para eso, necesitamos tener las mismas filas que ser nuestras y. Pero entonces en este caso vamos a usar las Fechas. Otra vez. Vamos a hacer de esto un dos. Y eso es todo. Y ahora tenemos nuestros datos ingresados. Y ahora si hacemos click en hecho, obtenemos nuestro valor aquí mismo. Antes de comenzar la clase base, aún no lo he hecho. Y un número para muchos sin servidor crear URLS. Perdón, eso son materiales de oponentes. Nos hemos metido en decimales. Y ahora hemos creado nuestro primer valor pronosticado denier, que se basa en el valor anterior. Por lo que ahora queremos sacar adelante de esto por el resto de los meses de los próximos dos años. Antes de hacer eso, asegúrate de mirar. Ambos son Daydream fuera de los datos recientes que estamos utilizando para crear nuestro pronóstico. Y una vez que hayamos hecho eso, podemos continuar hasta el enésimo poder nuestra base de datos. ¿ De acuerdo? Por lo que ahora tenemos pronosticados nuestros valores. Para visualizar esto, lo que podemos hacer es crear una nueva gráfica, que en este caso va a ser, y usemos la misma gráfica que ya hemos estado usando. Vamos al diseño de gráficos. Podríamos hacer clic en seleccionar datos y vamos a añadir otra columna, que en este caso va a ser la columna D. Así que aumentemos nuestro rango de datos. Y ahora conseguimos que aquí también se trazen esos valores pronosticados. Y como se puede ver que esto está exactamente en la línea de tendencia. Entonces en pronósticos lineales básicamente significa que desde el primer punto hasta el último cinturón de resultados teóricos que ya tenemos. Excel está calculando el promedio de las horas extras de rabia vial. Entonces cada vez que movemos un valor a x, eso significa ser un valor estandarizado de y o cuánto está llamando. Entonces por cada movimiento hacia la derecha, necesitamos tener el mismo valor arriba para que mantengamos un crecimiento consistente. Y eventualmente eso resulta en esta línea. Y esto básicamente está usando el crecimiento promedio de los datos pasados que hemos estado usando. Lo que básicamente significa que esta es una forma muy sencilla de pronosticar. Pero sí, para datos lineales al vendido sus necesidades de previsión. Entonces eso fue todo por ahora para nuestro pronóstico lineal. Por lo que en la siguiente clase vamos a buscar pronósticos estacionales, también llamados pronósticos exponenciales. Es un poco más avanzado, pero sigue siendo una forma muy fácil de pronosticar en Excel. Y espero que te vea en el próximo video. 5. Proyecto: Seasonal / exponencial: Bienvenido al siguiente video sobre pronósticos. En este video vamos a discutir estacional, también llamado pronóstico exponencial. Entonces en el último video, hemos estado buscando en el pronóstico de negadores, que es continuo con la tasa de crecimiento promedio que estamos teniendo en lo mejor y poner un futuro asume la misma tasa de crecimiento promedio. Hago básicamente solo sigue la línea de tendencia. Eso es en resumen de lo que hemos estado hablando en nuestros próximos pocos, en nuestro último video. Pero en este video va a ser un pronóstico un poco más avanzado ya que vamos a buscar patrones recurrentes, estacionales, un casting récord exponencial. Entonces como se puede ver en esta línea, es una línea recta. Pero no estaríamos para trazar nuestras bebidas vendidas y nuestras bebidas pronosticadas. Verás que para esto se necesitará un tipo diferente de previsión real rapido. Entonces déjame mostrarte por qué. O sea, organice estos adecuadamente y ponlo junto a nuestra otra gráfica. ¿ Está bien? Entonces como se puede ver ya en este es un poco menos sencillo que nuestro primer párrafo. Y si añadiríamos una línea de tendencia a este gráfico, así que no hacemos diseño de gráficos y hacemos click en Trendline. Iré por bebidas vendidas. Ya verás que si aplicáramos pronóstico lineal es solo una especie de seguir a lo largo de esta línea de tendencia. Y definitivamente no está en línea con lo que estamos viendo aquí. Parece que es más como olas subiendo y bajando. Entonces con el fin de apropiadamente los pronosticadores, vamos a usar una fórmula, un pronóstico exponencial. Entonces lo que parece es pronosticado pensamiento ETS. Vamos a abrir nuestro paréntesis. Podemos volver a hacer clic aquí en estos botón de fórmula para ayudarnos un poco con los datos que tenemos que añadir. Y es igual que el lineal. Empezamos con nuestra fecha objetivo, que en este caso es la primera de enero de 2020. Nuestros valores, algunos se pasan conocido Beta, que es como un polígono, que es este rango. A partir de V2. Y nuestra línea de tiempo. Va a ser la misma cantidad de ROS que tenemos para nuestros valores, pero entonces va a ser Holland a. puedes agregar si ya hay una estacionalidad conocida. Por lo que una batería recurrente. Se puede agregar la cantidad de puntos de datos son valores x en aquí, o referirse a la finalización. Entonces cuando hay, por ejemplo, dos veces, lo siento. Si falta lo ordinario no es realmente un consejo ilegible, puedes darle a Excel la opción a cómo debería interpretar eso como 0 o como el promedio. Y una agregación. Se puede decidir sobre alfabetizado. Dos veces. Por ejemplo, beta para ello un segundo de enero. ¿ Qué hacer con esa cumbre? Todos los niños contaban. Entonces eso es lo que puedes hacer cada nación por ahora vamos a dejar esto en blanco. Estos son opcionales. No los necesitas ahora mismo. Y ahora mismo hemos calculado nuestro primer valor sobre el primer valor estacional. Y al igual que deberíamos hacer con lineales, necesitamos asegurarnos de que mantengamos los fijos para que nuestras áreas aún se mueven. Deja uno vamos a arrastrar hacia abajo la fórmula. Y una vez que hayamos hecho eso. Por lo que ahora mismo tenemos todas nuestras previsiones de datos. Ahora veamos cómo se ve eso. Entonces cuando miramos nuestra gráfica, ya podemos ver los puntos amarillos que se han agregado. Y como ya expliqué esta línea de tendencia, jactancia cargada tendencias. Entonces de acuerdo a esta línea de tendencia, lo largo de los años, nuestros valores van subiendo ligeramente. Pero más evidente es cómo pronostica que son patrón recurrente. Para que quede aún más claro, vamos a crear un gráfico de líneas a partir de esto en lugar de los puntos. Entonces vamos a pasar por cambiar tipo de gráfico y vamos a buscar a línea, vamos a seleccionar las dos líneas aquí mismo. Y como pueden ver ahora, podemos ver aún más claramente el movimiento de nuestros datos y lo bien que se predice. Si hubiéramos usado lineal, de nuevo, esto sólo sería una línea recta subiendo ligeramente, lo que en este caso definitivamente no sería la predicción correcta para este tipo de datos. Para llenar este vacío. Sólo un pequeño truco. Lo que debes hacer es en estos datos. Por lo que a 1349, sumado aquí también. Y entonces nuestro gráfico debería parecerse a una sola línea. Y lo hace. Entonces aquí está toque ahora. Entonces vamos rápidamente cómo te aplicas a un pronósticos de estacionalidad. Súper útil para patrones recurrentes. En este caso son bebidas. Y si miramos nuestros datos y probablemente podamos ver, pero también es algo estaremos buceando y más adelante en esta clase. Pero probablemente se va a basar en la temperatura, en base al año. Antes de que nos vayamos a sumergir en el análisis de regresión, que revelará por qué nuestra base de datos llamando hacia arriba y hacia abajo, primero vamos a sumergirnos en intervalos de confianza. Entonces en el siguiente video, te voy a mostrar lo seguro que puedes estar sobre estas predicciones. En un Excel te da las herramientas para visualizar, calcular y visualizar una gama de pronósticos antidisturbios deben estar cayendo en el medio basado en el nivel de confianza del cirujano. Entonces espero verte en el próximo video. Gracias. 6. Proyectos: interval de confianza: Hola y bienvenidos a nuestro próximo video. Entonces en este video vamos a calcular el intervalo de confianza. Entonces primero te voy a explicar qué es un intervalo de confianza y por qué quieres aplicarlo. Y luego te voy a demostrar cómo puedes aplicarlo y también cómo puedes visualizarlo en las gráficas que hemos estado creando en las clases anteriores. Entonces a lo que me refiero tiempo entre este video y el último video, acabo de formatear nuestra hoja y poco de agregar algunas columnas extra. Y he coloreado huele a naranja y he llamado bebidas de colores azules para que tengamos una mejor visión general. Y he hecho cosas a través de Plessy. De acuerdo, entonces vemos aquí para pronosticar valores, lo que hemos hecho en los dos últimos videos. En este, vamos a calcular nuestro intervalo de confianza. Por lo que el intervalo de confianza básicamente es el rango dentro de nuestros valores pronosticados debe caer. Esto se basa en lo confiados que estamos de que ciertos valores que caen en furia. Entonces si agregamos a esta fórmula, Por ejemplo, ahí queremos un rango en el que estamos 95% seguros. Los valores futuros caerán en estadísticamente C. Obtendremos un rango que hacemos menos valor pronosticado de brazo y más nuestro valor pronosticado. Y ahí debe ser donde nuestros valores deben ser pronosticados dentro con base en este cierto porcentaje. Suena un poco intimidante tal vez, pero vamos a mantenerlo sencillo. Todo el propósito de esta clase es mantener estas características de Excel simples y fáciles de entender. Por lo tanto, sólo voy a sumergirme en ello y te expliqué el camino cuando sólo te he estado explicando. Entonces vamos a pasar por bebidas limitadas y congelar la primera fila un poco rápido, sólo para que tengamos una mejor visión general y luego ver la primera columna y la primera real. Oh, eso no es lo que yo quería ser. Papel de cosas gratis. Está bien. Entonces vamos a tener que intervalo de confianza. Esta es mucho conjeturas como más simple si usamos este valor para crear una mejor línea en una carta no estaba en el último video, así que vamos a poner en marcha en el segundo valor. Este es el primer valor pronosticado. Lo que hacemos es que vamos a escribir el pronóstico. Ets. De esta manera, pensó que representa un intervalo de confianza. Y vamos a abrir los paréntesis. Y como hemos estado haciendo en nuestras otras clases, podemos dar click aquí en este botón. Y de nuevo, sólo podemos llenar hoy están aquí. Entonces vamos a aparcar un debate que sería el caso contra el primero de enero de 2020. Vamos a seleccionar el rango de valores, que es igual que las fórmulas anteriores que habíamos estado haciendo. Que vamos a seleccionar nuestra línea de tiempo. Y entonces podemos seleccionar nuestro nivel de confianza. Entonces esto es lo que he estado explicando. Esto es una especie de batir un porcentaje. El porcentaje de seguridad que queremos tener que nuestros datos van a caer dentro de este rango que estamos a punto de calcular. Nuestro gasto. Ese valor es del 95%. Por ahora sólo lo vamos a mantener así para que podamos dejar esto en blanco. Y como también hemos visto en nuestro video anterior aquí podemos sumar la estacionalidad, finalización de datos y agregación, que hemos explicado en el último video. Y por ahora sólo vamos a dejar eso en blanco también. No cumplimos esos pasos. Si aún no estás seguro de lo que significan, por favor vuelve a nuestro último video y consulta las definiciones de estos, o desplázate aquí abajo. Y también puedes leer lo que significan y lo que hacen. Entonces ahora hacemos click en Hecho, y ahora obtenemos un rango de nuestro valor. Entonces 95% seguro de que nuestro pronóstico o va a estar dentro de 150 conjunto X6 menor, o superior a nuestro valor pronosticado. Entonces como lo hemos estado haciendo en nuestros últimos videos, vamos a mirar nuestra gama. Y yo iba a tirar de éste. Ahí vamos. Podemos crear nuestro límite inferior y superior, que va a ser nuestro valor pronosticado menos nuestro intervalo de confianza. Y valor base R4 más nuestro intervalo de confianza. Entonces este es nuestro rango del cual estamos 95% seguros de que el valor real pronosticado o valor futuro va a estar dentro de él. ¿ Está bien? Entonces ahora vamos a volver a nuestra gráfica y vamos a visualizar estos intervalos de confianza. Entonces nuestra gráfica debería estar justo aquí arriba. Este. Vamos a diseñar diagramas aquí arriba. Vamos a seleccionar datos. Y vamos a estar sumando algunos datos que va a ser hasta la Columna F, que es límite superior ellos. Ya deberías estar viendo nuestras líneas como hicimos en la última clase. Tenemos que agregar otro valor para asegurarnos de que la línea continúe muy bien a partir de nuestros resultados, que estamos haciendo copiando este. Lo siento, acompañando este y paseando un año. Y nuestra gráfica podría ser un poco y verse un poco más bonita. Que es en este momento, solo formateemos realmente rápido y tiende a las personas que llaman fuera de nuestras líneas. Por lo que hacemos click en nuestra longitud son Millenials es naranja. Entonces usemos tanto para el encuadernado inferior como superior un poco más claro y de color naranja, que sería éste. Y ahora vamos a tomar el mismo. Para un encuadernado inferior. Estamos consiguiendo una gran visualización de nuestro rango en el que podría ser nuestro pronóstico. Entonces ahora, si aumentáramos nuestro nivel de confianza, solo piensa por ti mismo por un segundo, ¿qué pasaría con estas dos líneas más ligeras? Por lo que ya les diré nuestro valor pronosticado se mantendrá igual. Pero algo pasó con la Escuela en Vivo Legal más amplia. Un poco, se van más delgadas. Está bien. ¿ Todavía quieres pensarlo? Basta con pausar el video muy rápido. Entonces si aumentamos nuestra confianza, entonces si quieres estar más seguros de tener que escribir predicción, lo que significa que si fuera 98%, por ejemplo, o 99% en lugar de 95, son Lang debería hacerse más amplio. Entonces si las líneas se hacen más amplias, podemos decir con más certeza como hey, sí, creo que ahora tenemos más posibilidades de nuestro valor de previsión, valor pronosticado. Los resultados eventuales de nuestro valor pronosticado caerán dentro del rango. Entonces, cuanto mayor rango, más seguro puedes estar que es un poco estar dentro del rango. Si vamos a disminuir nuestro nivel de confianza a, digamos 85%. Deberíamos conseguir un rango más pequeño. Porque la presión se desvanece dentro de un rango. Pero también podría ser más pequeño. ¿Verdad? Por lo que esto te da una gran visión general para pronosticar valores. Y espero que esta haya sido una lección útil para ustedes. Y además, es una gran manera de visualizar, sobre todo si necesitas reportar cosas y también para nuestro proyecto. Y es una gran manera de visualizar el pronóstico futuro basado en la certeza de que necesitarías para Font Awesome. Entonces en el siguiente video, vamos a buscar los datos individuales de previsión que podemos sacar de las fórmulas. Algunos datos pesados que podemos utilizar para explicar nuestros pronósticos un poco mejor y para conocer un poco más sobre nuestros pronósticos. Entonces gracias por ver este video, y nos vemos en la siguiente lección. 7. Introducción a la regresión: Hola y bienvenidos a la introducción a la regresión. En este video, vamos a discutir lo que significa, lo que significa una regresión. Y esto nos va a dar las herramientas que necesitamos para sumergirnos en nuestros próximos dos videos donde nos sumergimos en hacer el análisis de regresión. Entonces las cosas clave en un análisis de regresión es que siempre comienza con una hipótesis. Y así crearía hipótesis para, por decir, por ejemplo, creo que son las hipótesis de que cuando sube la temperatura, vendemos más helados. Tener esta parte cualitativa de la ecuación, tener esta oferta cualitativa tu regresión tras análisis de regresión es muy importante porque solo analizar datos no necesariamente te da por qué hay un cierto relación entre dos conjuntos de datos. Por lo que es muy importante también investigar por qué podría haber una cierta correlación entre dos puntos de datos. Entonces va a ser la jerarquía, que también estaremos buceando en nuestro próximo video, progresión, fuerza. Entonces, en primer lugar, queremos mirar y ver qué tan fuerte es esta correlación. Entonces si subimos un grado de temperatura, un grado Celsius, ¿cuánto más helado creemos que venderemos? Y el último son dos. Y va a mostrar cuán seguros somos que esto en realidad es una correlación y regresión que estamos viendo en nuestros datos. que ejemplos, así, el cliente H afectan nuestras ventas o si el valor del dólar estadounidense sube, esto también afectó el precio de las acciones de Google o por lo tanto el ausentismo de los empleados afecta periodos de entrega. Esas tres preguntas pueden ser respondidas sobre un aspecto cuantitativo utilizando el análisis de regresión. Pero de nuevo, no podemos asumir directamente que estas hipótesis serán ciertas. Estas preguntas serán ciertas, principalmente haciendo la parte cuantitativa de la investigación. También tendrás que sumergirte en todavía si en realidad existe una relación entre esas variables que estamos viendo y las preguntas de dosis. Entonces así es como la regresión bucla como aquí en el lado derecho, ve una línea de tendencia rodeada de adeudos. Y se puede ver que en cómo contratado para comprar está en el valor y. Cuanto más probable sea que lo sea, voy a estar alto y el valor x. Entonces esto es básicamente lo que una regresión se encuentra allí más cerca se queda a esta línea. Cuanto más seguros podamos estar sobre nuestra agresión. Y una más dispersa y una más por todas partes en una gráfica que sea, la regresión menos significativa será. El talud de nuestra línea va a determinar qué tan poderosa es nuestra regresión y estas son cosas que estaremos buscando en un video anexo también. Entonces básicamente, el análisis de regresión analiza la relación entre las variables independientes y dependientes. Por lo que tenemos diferentes variables como temperatura, gente afuera y, y la gente y cuáles son las tiendas están abiertas. Estas tres variables pueden influir en nuestra profundización y V2 podría ser destilados llorar, gritar por ejemplo. Y el análisis de regresión va a ver si, si C sube, b sube, o sube si nuestra variable dependiente también sube o baja, obviamente. Entonces hubo esta bonita introducción del análisis de regresión. Nos vamos a sumergir en realizar un análisis de regresión en nuestro próximo video. Y espero que te vea ahí. 8. Regresión de regresión: análisis: Hola y bienvenidos al siguiente video donde vamos a buscar en el análisis de regresión. En este video, estaré en breve ampliando tu amplia somos contextos uno de análisis de regresión. Te estaré mostrando cómo puedes habilitarlo en Excel. Alumnos, no es una característica predeterminada en Excel. También te mostraré cómo puedes hacerlas. Cómo se puede hacer el análisis de regresión. Entonces, ¿cuáles son los pasos que das para crearlo? Y por último, estaremos revisando qué ver la salida del análisis de regresión. Por lo que antes de empezar, este es uno de los videos donde se recomienda algún conocimiento previo sobre estadísticas. Voy a tratar de mantenerlo lo más ligero posible, mostró que las personas que no necesariamente han experimentado qué estadísticas pueden seguir y todavía aplicar análisis de regresión para su propio propósito. Pero de nuevo, a beta, estaremos mirando, probablemente tengas una mejor idea de lo que significa si tienes alguna experiencia con las estadísticas. De acuerdo, entonces antes de empezar, vamos a buscar en nuestros datos. Y quiero mostrarles por qué podría querer hacer un análisis de regresión. Entonces tenemos la bebida se vende y tenemos Sinek vendido. Todos deberíamos tener al día la temperatura en nuestros videos anteriores. En la columna N. Sin embargo, los he puesto uno al lado del otro para que veas por qué podríamos querer considerarlo. Entonces si vamos a nuestra gráfica que creamos en nuestra clase de pronósticos y se puede ver que hay un patrón recurrente muy fuerte en las bebidas que se venden. Para saber por qué es tan fluctuante y qué determina que nuestras bebidas suban y qué las determina bajar. Queremos hacer un análisis de regresión para ver cuál es la relación. Entonces aquí mismo, tenemos bebidas vendidas, y como pueden ver, la amabilidad de temperatura parece fluctuar junto con las bebidas vendidas. Por lo que antes de hacer nuestro análisis de regresión, queremos establecer la hipótesis de que la temperatura afecta el número de febrilmente vendido. Si bien esto es meramente cuantitativo y tú análisis de regresión, vas a averiguar de manera cuantitativa si esto es cierto. No significa necesariamente que esto esté correlacionado y esto está directamente relacionado. Un ejemplo rápido sería cuando es cuando se están vendiendo muchos helados. También hay muchas mordeduras de tiburón. En el C. Suena como si no tuviera nada que hacer es callarse y no lo hace. Cuando harías un análisis de regresión con esos dos eventos, encontrarías probablemente que hay regresión. A pesar de que comer más helado no tiene nada que ver con que más personas sean mordidas por tiburones o más bytes por tiburones no va a causar que más gente compre helado de nieve. ¿ Cuál es la variable independiente? Y es sólo el clima. Entonces cuando hay, cuando el clima es bueno y las temperaturas son altas y más gente va a playa donde la gente corre el riesgo de ser mordida por los tiburones y más gente compra helados. Solo trato de mostrarles que es muy importante pensar por qué podría haber una correlación entre sus datos. Entonces no es sólo cuantitativo. También hay una parte cualitativa en encontrar relaciones entre los datos. En lo que en esta clase nos estamos centrando meramente en la parte cuantitativa. De acuerdo, así que con eso dicho, empecemos a crear nuestro análisis de regresión. Tendremos que habilitarlo primero. Depende de la versión de Excel que utilices, y depende del sistema operativo que utilices. Utilizo un mech y tengo Office 365. Entonces para mí, significaría que tengo que subir aquí, click en herramientas, dar click en Complementos de Excel. Y aquí puedes agregar el análisis de vuelta. Para las personas que están usando Windows o diferentes versiones de Excel, ve a opciones y son buenas para editar. Y para algunas personas eso probablemente va a estar justo aquí. Y aquí puedes hacer clic en opciones y eventualmente puedes seleccionar ediciones y luego Herramientas de análisis. Si te estás quedando atrapado aquí, alguna vez te convenzas de darle una búsqueda rápida en Google tu versión de Excel, tienes tu sistema operativo, y definitivamente deberías poder encontrarlo. Solo hay una variedad de opciones, cómo puedes llegar. Por lo que ahora vamos a de abajo una vez que hayamos habilitado nuestra herramienta de análisis. Y vamos todo el camino a la derecha, hacemos click en el análisis de datos, y aquí podemos seleccionar regresión. Por lo que hacemos click en OK. Y ahora podemos empezar, empezar a seleccionar nuestros datos. Por lo que mis datos ya están seleccionados. Tengo aquí a1, lo siento, eso debería ser b1 hasta el 85. Y éste debería ser c1 hasta el 85. Queremos seleccionar las etiquetas porque en la fila uno tenemos etiquetas. Y nuestro nivel de confianza va a ser del 95%, lo que significa que vamos a estar 95% seguros. Y esa regresión del agua va a dar el resultado correcto. Aquí mismo tenemos nuestra salida del análisis de regresión. Y en este momento sólo vamos a destacar algunos de los datos que estamos viendo en este momento para interpretar nuestro análisis de regresión. Entonces vamos a empezar aquí. Aquí arriba tenemos el cuadrado r y el R-cuadrado Ajustado. Por lo que estos dos números identifican la previsibilidad de nuestra regresión. Entonces en este caso, estamos buscando cómo afecta la temperatura a las bebidas vendidas. Y de acuerdo con nuestros datos, Es alrededor del 85% influenciado por la temperatura. El R-cuadrado Ajustado saca los extremos y es un poco más conservador que el R-cuadrado. Y cada caso, en nuestro caso, es casi similar. Por lo que podemos decir de acuerdo a sus no son rSquared que son bebidas que se venden, es poder predecir por temperatura. Nuestras observaciones aquí mismo es el número de filas que básicamente teníamos un dato EHR. Entonces si vamos a nuestros datos aquí mismo, se puede ver que hay 84 entradas de aquí. Todo el camino hasta aquí hasta aquí. Entonces esa es una serie de observaciones. Después llegamos a nuestro nivel de significación. Entonces vamos a nivel de significación nos da el porcentaje de que lo que hemos obtenido se obtiene por pura aleatoriedad. Entonces ahora mismo está escrito científicamente. Um, pero si queremos leer esto un poco más fácilmente, podemos ir al General. Podemos seleccionar número. Y luego obtenemos 0.0.0. Y luego si seguimos pulsando para expandirnos, no deberíamos querer apuntar y empezar a ver algunos números. Pero esto sólo nos muestra cuán fuerte y cuánto, qué tan bajo el porcentaje que dijo esto se obtiene por puro aleatorio. Hemos visto la gráfica y la gráfica definitivamente indica algún patrón recurrente fuerte. Y aquí empezamos a ver que es 0 y luego 35 ceros después, 30 a 1%, que esto se obtiene por pura aleatoriedad. Por lo que básicamente podemos decir que lo que estamos observando no se está obteniendo por suerte aleatoria. Y luego si bajamos aquí, llegamos a la temperatura, que es una de nuestras variables dependientes, independientes. Y podemos ver qué tan fuertes aumentan nuestras bebidas vendidas por una temperatura la deuda sube. Entonces si nuestra temperatura sube con un grado, nuestra media de bebidas esperadas vendidas por mes aumenta con 74. Y nuestro valor p también nos está dando el porcentaje de cuánta probabilidad tenemos de que esto se obtenga por pura aleatoriedad. Entonces otra vez, si ampliáramos este, obtenemos el mismo resultado está aquí. Aquí tenemos que sumar 40 ceros. Y aquí tenemos que sumar 35 ceros para conseguir un número. Por lo que las posibilidades de que esto se obtenga por pura aleatoriedad distrito muy, muy, muy pequeño. Por lo que en general, podemos concluir que existe una correlación bastante fuerte entre nuestras temperaturas y unas bebidas vendidas entran posibilidades. La seguridad que tenemos en este increíblemente alto. Por lo que en base a esto, podríamos decir que sí, relación diversa entre la temperatura y el recurso de bebidas. De acuerdo, eso fue todo por este video. Espero que este análisis de regresión te diera alguna idea de cómo puedes encontrar correlaciones entre variables dependientes e independientes. Si tú, en caso de que quieras conocer más sobre esto y avísame en los comentarios a continuación. Y podría ampliar nuestras clases más en estadística y un poco más en profundidad sobre cómo leer cada uno de estos valores. Y las más importantes que conoces en este momento. Pero sólo saber un poco más sobre estadísticas te va a ayudar a entender todo lo que puedas mejor. De acuerdo, gracias por ver esta clase y espero los vea en el próximo video. 9. Revisión de proyectos: Hola y bienvenidos al video donde estaremos revisando nuestro proyecto. Pero notas rápidas antes de sumergirte en este video y aún no has hecho el proyecto, por favor detente el video, pausa el video, y ve a hacer el proyecto tú mismo primero. Y si estás listo para revisar, si entraste en la dirección correcta haciendo el proyecto, entonces siéntate junto con el video y vamos a repasar cómo proyectar podría haberse hecho. De acuerdo, entonces empezaremos con nuestra previsión. Ya he llenado el proyecto aquí mismo. Y y empezaremos con cómo hacer los pronósticos 20212022 sills. Entonces vamos a eso, ese análisis de datos. Y antes de que podamos empezar a crear gráfico r artificial. Y queremos que los pronósticos sean datos. He utilizado una crítica de pronóstico estacional. Cómo podrías haber averiguado esto, que debiste haber usado pronósticos, pensó ETS, en lugar de base lineal trazando la gráfica tú mismo primero y mirando un patrón, puedes ver que esto es, esto debe tener algunos estacionalidad en ella. En cuanto a decir meses están subiendo cada año, que son septiembre, noviembre y diciembre, y marzo también quiere repuntar un poco. Entonces con eso en mente, ya puedes ver como, hey, usemos la versión ETS de previsión para asegurarnos de que en realidad no estamos pronosticando esta propiedad. Si no hubieras hecho eso, entonces en esta gráfica, deberías haber visto una línea recta siguiendo la línea de tendencia. Entonces si tienes eso, simplemente creas el gráfico. Agregas buena línea de tendencia en caso de que aún no lo sepas, editas haciendo clic en el gráfico, yendo a graficar el xi1. Y aquí arriba puedes elegir en la línea de tendencia. Entonces cuando seleccionas una línea de tendencia y lineal en este caso, obtienes la opción de basar tu línea de tendencia en las ventas pronosticadas y asume reportadas. Pero como queremos comparar con las transferencias lineales son las tendencias estacionales, no quieres basarlo en la beta pronosticada. Eso no tendría sentido porque si lo usas y pronósticos de datos, estás basando tus tendencias básicas en ya pronósticos de beta. Yo estoy basando que fortalecer los resultados te da una mejor comparación de tu pronóstico estacional y en este caso, tu previsión lineal. Después vamos al 20212022, jefe inferior y superior. En su forma muy similar de llegar ahí, Dan, la pobre fórmula ETS de punto crass. Pero para éste tendrías que calcular primero el intervalo de confianza. En este caso, llegamos a 70 mil para el 21 de enero. Y luego vamos a usar nuestros pronósticos, esos datos. Vamos a restar nuestro intervalo de confianza. Y para nuestro límite superior, lo vamos a sumar por a partir de nuestro valor pronosticado. Y luego tienes los datos de tu límite superior e inferior. Y las 90 mil fallas que se ven aquí mismo se copian y pegan de ya son datos pronosticados. Y esto te va a ayudar a deshacerte de la brecha que podrías tener entre tus dos líneas de datos. Entonces entre las líneas de datos resultante y las pronosticadas, si no agregas estas 90 mil, obtendrás un hueco. Y ahora para alinear bien fluye a través de un pronóstico de líneas de datos. Y a lo que me refiero es a esta parte. Aquí mismo. Si no se suman a 90 mil, entonces e inclinó su verde y su línea roja comenzará después de un get. Sólo un pequeño toque. Es otro muy rompedor si no se agrega eso. Entonces para este, también muy importante basar tu línea de tendencia en los datos de resultados, reportó datos de ventas si no lo haces, y vas a, primer lugar, tener una línea de tendencia que sea lineal contratada. Debe ser porque parte de 0 y asume que va de 0. Y se inicia con 90,229 se va a una media de disparo más alta transmitida. Entonces realmente basarlo en tus ventas registradas. De acuerdo, hubo una primera parte. Después llegamos a nuestro análisis de regresión, algo que ella debió haber tomado en cuenta aquí. Y en cambio, hay dos tipos diferentes de análisis que hemos hecho. Por lo que tenemos tanto nuestro análisis como lo hemos discutido en la clase y queríamos contar desde Excel con los datos muy específicos. También tenemos la parte visual. En primer lugar, tu y la salida deberían verse así. Y podemos usar nuestros datos para pegarlos en nuestro campo aquí mismo. Si obtienes respuestas diferentes, también con las gráficas que tienen bucles diferentes para ti, por favor vuelve al video y revisa qué paso se ha ido yendo rural o abre este archivo de Excel y ve si hay alguna diferencia en fórmulas para la parte de previsión que las que usas? Si lo lees, un poco averiguarlo y deja un comentario debajo de este video, y te ayudaré. Por lo que nuestra fuerza ajustada es de 52.52. Esto significa que nuestra fuerza de regresión no es tan fuerte, como por descuento o PR y los presupuestos de marketing siguen siendo, no sube uno a uno, pero es más por 50%. Entonces es una regresión mediocre. No obstante, nuestra significación es increíblemente alta. Por lo que 0.0.0 00 y un par de ceros, 3-5 por ciento significa que con este porcentaje visitas, el porcentaje que son datos o regresión se obtiene por pura aleatoriedad, por pura suerte y bases increíblemente bajas. Y una especie de regresión parece ser bastante fuerte. Y entonces tenemos que elegir qué variables. Por lo que los presupuestos de descuento o marketing en realidad está impulsando esta regresión. Soy seleccionado presupuesto de mercadotecnia. Y la razón de eso es que si vamos a nuestra pestaña de regresión y ustedes van aquí arriba, realidad se puede ver en P valor que nuestro promedio, este KM dado está lejos de que el banco nos dé un significativo para conseguir 65%. El descuento promedio dado AS teniendo efectos de regresión. Y sobre nuestros datos de ventas. No obstante, nuestro presupuesto de marketing es de punto cero, otra vez, 00 algo. Te mostraré un poco mejor. Por lo que 0.0.0 y un par de 0 por 7% de probabilidad de que esta progresión del presupuesto de marketing se obtenga por suerte, por pura suerte. Entonces de nuevo, esto es muy bajo. Y por lo tanto también se puede decir que la mayoría de estos números por significado aquí y nuestro R cuadrado ajustado y nuestro fuera de pantalla aquí, y es impulsado principalmente por el cubo de marketing. Entonces lo que he hecho, he creado otro análisis de regresión solo para ver, ver eso. Y como pueden ver, sin el descuento promedio dada nuestra fuerza y nuestra agresión, casi se mantiene igual, no cambia mucho. El significado es aún más fuerte. Y nuestro valor q y nuestra fuerza de esa correlación también es muy fuerte. Por lo que podemos decir ya que nuestra regresión viene del presupuesto de marketing. El factor clave en esto es este número al 65% que el descuento promedio dado como realmente tener una correlación de efecto de regresión con datos de Suez. Entonces, por tanto, no podemos suponer que nuestro descuento promedio dada correlación de peligro, pero nuestro presupuesto de marketing sí. Pasé por visualizar esto. También he creado dos más scatters. Y lo que se puede ver es el aquí se puede muy visualmente, muy bien ver si están pasando áreas o regresión, si hay una correlación. Y aquí ya se puede ver esta línea de tendencia realmente no sube. Realmente no baja, lo que básicamente significa por alto que sea el descuento dado, realmente no cambia las ventas, como se puede ver. Y en este, se puede ver que en nuestro presupuesto de marketing, se dice claramente que el contrató un presupuesto de marketing. Entonces para contratar nuestros pensamientos. También en la mayoría de los casos, cuanto mayor sea nuestro Celsius. Y como puedes ver también por esta línea de tendencia subiendo, especie de línea de tendencia toma el promedio de todas nuestras diferentes bóvedas de datos aquí mismo. Por lo que esta es una gran forma visual de ilustrar las correlaciones y como resultado de tu análisis de regresión. No obstante, éste en realidad no se crea a partir de estos análisis de regresión. Acabo de usarlo a partir de los datos brutos. Por lo que estas son dos formas diferentes de analizar la regresión. No obstante, éste es más visual y más claro si quieres brindar información brevemente a otra persona, pero éste va un poco más en profundidad si realmente hay una regresión. Entonces de eso se trataba. Hemos creado nuestras gráficas ya las están poniendo aquí. Subo este archivo como petróleo a clase. Entonces si quieres revisarlo, siéntete libre de descargarlo y entrar, entrando en ti mismo. Y los dos he subido para terminar MV inconcluso persa. Entonces sí, por si otra vez, alguna pregunta avísame en el siguiente video y te ayudaré. Y te veré en el próximo video donde vamos a terminar nuestra clase. Gracias por ver. 10. Outro: Genial. Ya lo has conseguido hasta el final de la clase. Entonces en esta clase hemos aprendido cómo podemos hacer unos pronósticos lineales y estacionales. Y también has aprendido a hacer y analizar un análisis de regresión. Si aún tienes alguna pregunta sobre lo que hemos estado aprendiendo en esta clase, siéntete libre de dejar un común a continuación, y te responderé lo más rápido posible con una solución. En caso de que hayas disfrutado de esta clase. Y crees que aprendiste algo de esta clase realmente me ayudó mucho. Si dejaras una reseña en mi perfil. Y espero verte en cualquiera de mis otras clases donde yo, por ejemplo, enseño sobre cómo crear un tablero interactivo en Excel. Y también una clase sobre las herramientas básicas de análisis de datos que tenemos un Excel. Entonces espero verte en cualquiera de mis otras clases. Y gracias por seguir este.