UNI VERSI DAD NACI ONAL DE ANCASH

SANTI AGO ANTUNEZ DE MAYOLO

FACULTAD DE CI ENCI AS ECONMI CAS,
ADMI NI STRATI VAS Y CONTABLES





GUA DE PRCTICA




RICARDO TOLEDO QUIONES





HUARAZ PER - 2 001


UNIVERSIDAD NACIONAL DE ANCASH
SANTIAGO ANTUNEZ DE MAYOLO


FACULTAD DE CIENCIAS ECONMICAS, ADMINISTRATIVAS Y CONTABLES



























Serie de Tcnicas de Estudio: Ricardo Toledo Quiones
Agosto 2 001












Publicacin para los estudiantes del Curso de Direccin de Proyectos I de la Facultad
de Ciencias Econmicas, Administrativas y Contables Escuela Profesional de
Administracin.








PRESENTACIN


Para elaborar Proyectos de Inversin, la identificacin del
Mercado y sus proyecciones requiere de tcnicas y
conocimientos economtricos, en forma resumida en la
presente publicacin se dan conceptos bsicos, que
complementado con variados ejercicios permitirn que el
alumno pueda efectuar pronsticos basados en modelos
que relacionen la estadstica, matemtica y la economa.
Existen tcnicas diversas de pronsticos, no
necesariamente la complejidad de los mismos est
relacionada con la certidumbre, cada caso especfico
debe acondicionarse a una forma particular de modelar,
la habilidad y el conocimiento se combinan para lograr
una aproximacin al futuro que siempre es difcil pero
constituye una accin fundamental dentro del proceso de
planeacin.

Su estudio requiere de la orientacin del docente, razn
por la cual el presente documento constituye una forma
de facilitar la enseanza y no sustituye su labor
pedaggica.

Se agradece de manera especial a los alumnos que han
seguido el curso de Direccin de Proyectos I, que sin
saberlo han dado lugar a la acumulacin y
sistematizacin de conocimientos que se traducen en el
trabajo presente.


EL AUTOR

UNASAM - FCEAC
- 1 -
MODELOS ECONOMTRICOS DE PROYECCION

1.1 MODELOS USUALES DE DOS VARIABLES

N NOMBRE ECUACIN
ECUACION
LINEALIZADA
Parmetros del Modelo
a b c
01 Lineal Y = a + b*X Y = a + b*X a b
02 Logartmico Y = a + b*LnX Y = a + b*LnX a b
03 Compuesto Y = a*b
X
Ln Y = Ln a + X*Ln b Antiln Antiln
04 Exponencial Y = a*e
bx
Ln Y = Ln a + b*X Antiln b
05 Potencia Y = a*X
b
Ln Y = Ln a + b*Ln X Antiln b
06 Inverso Y = a + b/X Y = a + b*1/X a b
07 Doble Inverso Y = X/(a + b.X) 1/Y = a*1/X + b b a
08 Curva S Y = e
a + b*1/X
lnY = a + b*1/X a b
09 Crecimiento Y = e
a + b * X
lnY = a + b*X a b
10 Cuadrtico Y=a+b*X +cX
2
Y=a+b*X +cX
2
a b c
11 Cbico Y=a+b*X +cX
2
+dX
3
Y=a+b*X +cX
2
+dX
3
a b c
12 Logstico (*) Y = 1 / (1/u + a * b
X
) ln(1/y-1/u)= ln a + Ln b*X Antiln Antiln
(*) u es el valor del lmite superior. Despus de seleccionar Logstico, especifique un valor para el lmite superior
que se utilizar en la ecuacin de regresin. El valor debe ser un nmero positivo mayor que el valor mximo de
la variable dependiente.

1.2 INDICADORES ESTADISTICOS

INDICADOR SIMBOLO SIGNIFICADO
Coeficiente de
Determinacin
.r
2
(*)
Es una medida de la bondad de ajuste, indica la exactitud con la cual la lnea
de regresin muestral se ajusta a los datos.
Coeficiente de
Determinacin
Ajustado
.
2
r (*)
El .r
2
Ajustado tiene en cuenta el nmero de variables presentes en el modelo,
igualmente indica el grado en que la lnea de regresin se ajusta a los datos.
Es recomendable cuando el nmero de variables independientes es pequeo.
Coeficiente de
Correlacin
.r (*)
Es una medida del grado de asociacin entre variables. No necesariamente
implica una relacin causa-efecto.
Prueba F F
Comprueba si el modelo tiene la confianza estadstica a determinado nivel de
confianza, generalmente al 95% o 99%. Los valores calculados se comparan
con valores de tabla o se interpretan directamente en software aplicado. Como
Prueba de Hiptesis se plantean las Hiptesis Nula (Ho) y Alternativa (H1):
Ho : La ecuacin de regresin no tiene la confianza del 95%.
H1 : La ecuacin de regresin si tiene la confianza del 95%.
Prueba t .t
Verifica si la variable dependiente es influida o no por la variable
independiente a determinado nivel de confianza, generalmente al 95% o 99%.
Los valores ABSOLUTOS calculados se comparan con valores de tabla o se
interpretan directamente en software aplicado. Como Prueba de Hiptesis se
plantean las Hiptesis Nula (Ho) y Alternativa (H1):
Ho : La variable X no influye en la variable Y a un nivel de confianza del 95%.
H1 : La variable X si influye en la variable Y a un nivel de confianza del 95%.
(*) Usualmente en mayscula: R en el anlisis de regresin mltiple.

1.3 PROBLEMAS EN EL ANLISIS DE REGRESIN
MULTICOLINEALIDAD
Se refiere al caso en el cual dos o ms variables explicatorias en el modelo de
regresin estn altamente correlacionadas, haciendo difcil o imposible aislar sus
efectos individuales sobre la variable dependiente.
Una clara indicacin de multicolinealidad sera si los parmetros de las variables
UNASAM - FCEAC
- 2 -
independientes con la PRUEBA t no son significativos a su vez el Coeficiente de
Determinacin (R
2
) y el R
2
Ajustado tiene un valor muy alto.
Puede a veces corregirse: 1. Ampliando el tamao de la muestra. 2.
Transformando la relacin funcional. 3. Omitiendo una de las variables altamente
colineales (sin embargo, esto puede llevar a un error si la teora nos dice que la
variable omitida debe ser incluida en el modelo. 4. Utilizando informacin a priori
(por ejemplo, podemos saber de un estudio previo los parmetros b =0,25 c).
AUTOCORRELACIN
Establece si existe correlacin positiva del trmino de error (e) de un perodo con
el anterior a un nivel de significancia generalmente del 95%. En trminos ms
simples surge si los errores o las perturbaciones consideradas dentro del modelo
de regresin no son aleatorios. Se evala con el Estadstico Durbin-Watson (d), el
valor calculado d se compara con valores de Tabla dL y dU.
Calculado Tabla Resultado
D > dU (Limite Superior) No hay Autocorrelacin
D < dL (Limite Inferior) Existe Autocorrelacin
D dL <d <Du La Prueba es Imprecisa

La frmula para calcular el estadstico Durbin-Watson es:

=
=

=
n
t
t
n
t
t t
e
e e
d
1
2
2
2
1
) (

A veces es posible corregirla mediante mtodos economtricos. (ver: Damodar
Gujarati: Econometra, pg. 418 428)

HETEROSCEDASTICIDAD

Se produce cuando la varianza del trmino de error es constante para todos los
valores de las variables independientes. Esto conduce a estimaciones sesgadas e
ineficientes (es decir, con varianza mayor que la mnima) de los errores estndar
(y, as pruebas estadsticas incorrectas e intervalos de confianza tambin
incorrectos).

Una prueba para la heteroscedasticidad implica ordenar los datos segn valores
crecientes (ascendentes) de la variable independiente, X, y calcular dos
regresiones, una para valores pequeos de X y una para valores grandes,
omitiendo, por ejemplo, una quinta parte de las observaciones intermedias.
Entonces con el Anlisis de la Varianza (NOTA: Listado por el reporte del Excel) se
prueba si la relacin de suma de los residuos (o errores) al cuadrado (ESS) de la
segunda (ESS
2
) a la primera regresin (ESS
1
) es significativamente diferente de
cero y por lo tanto >F
t
, (usando la tabla F con (N-d-2k)/2 grados de libertad en el
numerador, donde N es el nmero total de observaciones, d es el nmero de
observaciones omitidas, k es el nmero de parmetros estimados), el
denominador es igual a n- k, siendo n las observaciones luego de dividir en dos
los datos (Ver: Dominick Salvatore, Econometra pg. 151-169). As, el modelo
tendr problemas de Heteroscedasticiad si:
) . . _ 2 / ) 2 _( (
1
2
numerador l g d n con F
ESS
ESS
t
>
Si la varianza del error es proporcional a X
2
(caso frecuente), se puede superar la
heteroscedasticidad dividiendo cada trmino del modelo por X, reestimando luego
la regresin por medio de las variables transformadas.

ERRORES
EN LAS
VARIABLES

Se refieren al caso en el cual las variables en el modelo de regresin incluyen
errores de medicin. Los errores de medicin en la variable dependiente se
incorporan en el trmino de error y no crean ningn problema especial. Sin
embargo, los errores en las variables explicatorias conducen a estimaciones de
parmetros sesgados e inconsistentes.

Un mtodo de superar este problema es reemplazar la variable independiente
sujeta a errores de medicin con otra variable (denominada variable instrumental)
que sean altamente correlacionada con la variable independiente original, pero que
sea independiente del trmino de error. (ver: Dominick Salvatore, Econometra
pg. 151-169). Esto es a menudo difcil de hacer y algo arbitrario.
UNASAM - FCEAC
- 3 -


1.4 ANLISIS DE REGRESIN CON EL EXCEL

El anlisis de regresin, se puede efectuar con el Excel
1
de la salida de datos, se
obtiene importante informacin:

a) El programa lista el error tpico del modelo conocido tambin como error
estndar indica la desviacin estndar de la variable dependiente Y dado un(os)
valor(es) especfico(s) de la(s) variable(s) independiente(s) X. Tambin se lista el
error tpico aplicable a los parmetros.
b) El valor del indicador F est especificado y el nivel de confianza puede ser hallado
restando de la unidad el valor crtico de F.
c) El valor de t del modelo puede hallarse dividiendo el valor de los coeficientes
entre el error tpico. El ni vel de confianza en que una variable independiente
influye sobre la dependiente se calcula restando la unidad de la probabilidad del
intercepto o variable. El valor de tabla de t a distintos niveles de confianza se
halla restando del Coeficiente el nivel Inferior del parmetro y dividiendo este
resultado entre el Error tpico del parmetro.
d) El estadstico de Durbin-Watson se puede hallar listando los residuos.

1.5 INTERVALOS DE PREDICCIN

Para un valor especfico de la(s) variable(s) independiente(s) se puede establecer un
intervalo de prediccin a distintos grados de confianza bajo las siguientes formas:
a) Para la variable dependiente, sin considerar la incertidumbre, dada la variable
independiente X:
Intervalo = X Y t S
x.y
Donde: X Y =Valor estimado de Y; t =Valor de t de Tabla y
S
x.y
=Error Tpico del Modelo. (Cuando el tamao de la muestra digamos >=30,
en vez de la distribucin t utilizar la distribucin z).
Esta forma se puede utilizar en el anlisis de regresin mltiple.

b) Para el valor medio de la variable dependiente, dada una variable independiente
X:
Intervalo = X Y t
X Y
S
.
Donde:




c) Cuando la muestra es pequea y se considera la incertidumbre:

Ysiguiente
X
tS Y Donde:
X Y Y X
Ysiguiente
S S S
2
.
2
+ =

1
Existe software diverso para el anlisis de Regresin tal como el estadstico Statical
Package for the Social Sciences (SPSS), Paquete Estadstico para las Ciencias
Sociales o economtricos como el Micro-TSP.




+ =
n X X
X X
n
S S
Y X
Y
X
/ ) (
) ( 1
2 2
2
.
UNASAM - FCEAC
- 4 -
PRACTICA 1
LA DEMANDA ECONOMETRA

1. Establezca la funcin Demanda y descrbala brevemente.
2. Establezca la funcin Oferta y descrbala brevemente.
3. Describir la elasticidad precio, ingreso y la elasticidad cruzada de la Demanda.
Debe aprender a explicarla e interpretar valores que se le puedan presentar.
4. Describir la elasticidad precio de la Oferta. Debe aprender a explicarla e
interpretar valores que se le puedan presentar.
5. Si se plantea una ecuacin de Demanda (Dx) del modo siguiente:
Dx =a +bPx +bY +cPz DONDE: Px =Precio del artculo, Y =Ingreso del
consumidor y Pz =Precio de un artculo complementario. Cules seran las
expectativas tericas del investigador con respecto a los parmetros.
6. Para el Cuadro 1, hallar los modelos, indicadores estadsticos, intervalos de
prediccin para X =14 y comentar: a) Y =a +bX b) Y =ab
X
.Estime el valor
para n =6. RPTAS.: a) Y=2,467+1,629X b) Y =3,588*1,241^X
7. Para el Cuadro 2, hallar los modelos, indicadores estadsticos y comentar:
a) Y =a +b.Ln X; b) Y =aX
b.
Establecer valores para X =7; 15; 8.
RPTAS: a) 230,971 +139,478 Ln X b) Y =3,322 X^1,42
8. Para el Cuadro 3, hallar los modelos, indicadores estadsticos y comentar:
a) Y =a +b.X b) Y =a.e
bX
; Y =a.b
X
Calcular valores para X=3, 4, 5, 6 y 7.
RPTAS: a) Y =1 009,12 117,358 X b) 1 568,918*e^(-0,269X)
9. Para el Cuadro 4, hallar el modelo, indicadores estadsticos y comentar:
a) Y=a+.b*1/X b) Y=X/(a+.bX). Calcular valores para X=1, 12.
RPTA.: a) Y =93,96451362 - 47,41167315*1/X; X =46,55, X =90,01
b) Y =X/(0,01093705 +0,009873471X); X=48,05, X =92,72.
CUADRO 1 CUADRO 2
AO n PRODUCCIN CONSUMO PUBLICIDAD
1994 1 4 60 10
1995 2 6 75 11
1996 3 7 91 11
1997 4 9 99 09
1998 5 11 112 12
1999 6 12 113 12
130 11
143 12
CUADRO 3 CUADRO 4
DEMANDA(TONELAD.) PRECIO

Y X
646 3,5 48,0 1,0
590 3,6 74,2 3,0
541 4,1 79,9 4,0
489 4,2 88,1 8,0
450 4,6 91,0 10,0
405 4,8 92,9 12,0
382 5,2
350 5,6
315 6,0
290 6,4
10. Para los datos siguientes se ha encontrado un modelo para el cual el coeficiente
de determinacin r
2
= 1. Se solicita: a) Hallar la ecuacin de Q = f (p). b)
Analizar con los indicadores estadsticos y comentar sobre la aceptacin o no
del modelo. (Adaptado de Asia Moreno: 47).

UNASAM - FCEAC
- 5 -
p 10 8 5 4 2 1
Q 190 000 240 000 390 000 490 000 990 000 1 990 000

11. Se tiene la siguiente serie histrica de datos:

DATOS HISTORICOS RELATIVOS AL CONSUMO DEL ARTICULO "N"
EN LA REGION GEOGRAFICA "T"
AO CONSUMO INGRESOS TOTALES POBLACIN
TOTAL TERMINOS CONSTANTES TOTAL
1 412 2 088 557
2 800 2 590 565
3 810 2 582 586
4 815 2 520 599
5 750 2 413 615
6 450 2 398 635
7 448 2 346 648
8 750 2 490 663
9 895 2 960 681
10 972 3 219 703

La Oficina Estatal de Planificacin estima que en el perodo de los aos 11 - 15 la
Regin Geogrfica "T" se desarrollar de la forma siguiente:
Crecimiento de la poblacin: 2,6% anual.
Crecimiento del ingreso per cpita: 2,3% anual.

Considerando las siguientes ecuaciones de regresin: Y =a +b.X; Y =a +b LnX;
Y =a.X
b
; Y =a.b
X

Donde: Y =Consumo Total, X =Alternativamente: Tiempo, Ingresos Totales o
Poblacin Total; a y b =Parmetros.
Se requiere estimar las ecuaciones de regresin de consumo del Artculo "N" en la
Regin geogrfica "T" para los prximos 5 aos, utilizando las siguientes
relaciones:
a) El consumo total en funcin del tiempo.
b) El consumo total en funcin a los ingresos totales.
c) El consumo total en funcin a los ingresos totales y la poblacin total.
d) Modelos alternativos considerando informacin percpita.
Adicionalmente, detallar los indicadores estadsticos.
RPTAS:
a) Y =576,733 +24,267X; Y =555,150 +102,652 LnX; Y =535,666X
0,159
; Y =560,951*1,036
X

b) Y =-620,899 +0,520X; Y =-10 295,623 +1 403,571LnX; Y =0,0000385X
2,128
; Y =91,978*1,0008
X

c) Y =-1,761 +0,707X; Y =-2,977 +2,925LnX; Y=0,021X
2,821
; Y=0,067*1,980
X
.
d) Modelo Consumo Percpita: Y =-2,975489588 +2,923216533 Ln X
r2 =0,76069. Consumo Total: Aos 11 al 15: 1 109, 1 188, 1 269, 1 354, 1 442
respectivamente.

12. Los datos del Cuadro mostrado a continuacin, dan la cantidad hipottica
demandada de un artculo (Y1), su precio (X1), el ingreso de los consumidores
(X2) y el precio de un sustituto (X3). a) Ajuste a una lnea de regresin al
modelo Y1 = a + bX1 + cX2. b) Calcule e interprete R^2, r, F, t y d. c)
Compruebe si sus resultados se ajustan a lo fijado por la teora econmica. d)
Halle la elasticidad precio de la demanda y la elasticidad ingreso de la demanda
en las medias e interprete. d) Ajuste a una lnea de regresin al modelo Y1 =a +
UNASAM - FCEAC
- 6 -
bX1 + cX2 + dX3, halle los indicadores r, F, t y de Durbin-Watson e
interprtelos. (SALVATORE Dominick: 124 -130).

CANTIDAD DEMANDADA (Y1), PRECIO (X1), INGRESO DE LOS CONSUMIDORES
(X2) Y PRECIO DE UN SUSTITUTO (X3)
AO Y1 X1 X2 X3
01 40 09 400 10
02 45 08 500 14
03 50 09 600 12
04 55 08 700 13
05 60 07 800 11
06 70 06 900 15
07 65 06 1000 16
08 65 08 1100 17
09 75 05 1200 22
10 75 05 1300 19
11 80 05 1400 20
12 100 03 1500 23
13 90 04 1600 18
14 95 03 1700 24
15 85 04 1800 21
RPTA.: Y =82,2755 5,1061X1 +0,0167X2. R
2
=0,95064
Y =79,1063 4,9280X1 +0,0159X2 +0,1748X3. R
2
=0,95098

13. Para los Cuadros siguientes establecer si la regresin lineal que se pueda
efectuar entre las variables, poseen algn tipo de problema el anlisis de
regresin: multicolinealidad, heteroscedasticidad o autocorrelacin, de ser as,
corrjalos (SALVATORE Dominick: 151 -169).

a. Datos de Consumo e Ingreso Disponible para 30 Familias

CONSUMO (C) INGRESO (Y
d
)
10 600 10 800 11 100 12 000
11 400 11 700 12 100 13 000
12 300 12 600 13 200 14 000
13 000 13 300 13 600 15 000
13 800 14 000 14 200 16 000
14 400 14 900 15 300 17 000
15 000 15 700 16 400 18 000
15 900 16 500 16 900 19 000
16 900 17 500 18 100 20 000
17 200 17 800 18 500 21 000

b. Importaciones (M) y Producto Nacional Bruto (PNB)
(En millones de $)
AO 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989
M 23,2 23,1 25,2 26,4 28,4 32,0 37,7 40,6 47,7 52,9
PNB 506,0 523,3 563,8 594,7 635,7 688,1 753,0 796,3 868,5 935,5
AO 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
M 58,5 64,0 75,9 94,4 131,9 126,9 155,4 185,8 217,5 260,9
PNB 982,4 1 063,4 1 171,1 1 306,6 1 412,9 1 528,8 1 702,2 1 899,5 2 127,6 2 368,5

UNASAM - FCEAC
- 7 -
c. Importaciones (Y) y Producto Nacional Bruto (X1) (ambos en miles de millones de
dlares) e ndice de Precios al Consumidor (X2)
AO 1985 1986 1987 1988 1989 1990 1991 1992
Y 28,4 32,0 37,7 40,6 47,7 52,9 58,5 64,0
X1 635,7 688,1 753,0 796,3 868,5 935,5 982,4 1 063,4
X2 92,9 94,5 97,2 100,0 104,2 109,8 116,3 121,3
AO 1993 1994 1995 1996 1997 1998 1999 2000
Y 75,9 94,4 131,9 126,9 155,4 185,8 217,5 260,9
X1 1 171,1 1 306,6 1 412,9 1 528,8 1 702,2 1 899,5 2 127,6 2 368,5

X2
125,3 133,1 147,7 161,2 170,5 181,5 195,4 217,4
RESPUESTAS: a. Heteroscedasticidad; b. Autocorrelacin; c. Multicolinealidad.

14. La siguiente tabla indica I
t
: los inventarios; S
t
: las ventas reales y S
t
: los valores
hipotticos de S
t
, que incluyen errores de medicin. a) Evale el efecto que
tendra de conocerse que la variable independiente tiene errores. b) Corrija el
error utilizando la variable independiente rezagada (S
t 1
). (SALVATORE
Dominick: 151 -169).

Inventarios (I
t
) y Ventas (S
t
y S
t
) en la industria de manufactura del pas XX
(en miles de millones de $)

AO 1985 1986 1987 1988 1989 1990 1991 1992
I
t
60,0 63,4 68,2 78,0 84,7 90,6 98,2 101,7
S
t
35,1 37,3 41,0 44,9 46,5 50,3 53,5 52,8
S
t
38,7 41,3 45,6 50,1 51,9 56,3 60,1 59,2
AO 1993 1994 1995 1996 1997 1998 1999 2000
I
t
102,7 108,3 124,7 157,9 158,2 170,2 180,0 198,0
S
t
55,9 63,0 73,0 84,8 86,6 98,8 110,8 124,7
S
t
62,8 71,0 82,7 96,4 98,5 112,6 126,5 142,7
Respuesta: a. a >a; b<b; b. I =8.28 +1.58 S
t 1
; Problema que subsiste: Durbin
Watson: Prueba imprecisa.

15. Caso de falta de correlacin.- El consumo aparente per cpita de un producto
XX durante los ltimos 10 aos presenta el comportamiento siguiente: (Carbajal:
196)

AO 1 2 3 4 5 6 7 8 9 10
CONSUMO
APARENTE 7 5 12,5 8 10 6 4,5 12 7,5 5

Se solicita: a) Comprobar que ningn modelo se ajusta bien al comportamiento
observado del consumo. b) Efectuar un pronstico fundamentado en la estadstica
descriptiva utilizando en el Excel: Herramientas/Anlisis de datos/Estadstica
Descriptiva/Resumen de Estadsticas
RPTA.- Media = 7,75; Mediana = 7,25; Moda = 5; Desviacin estndar =
2,889155971; Varianza de la muestra = 8,347222222; Rango = 8; Mnimo = 4,5;
Mximo =12,5; Cuenta =10.
UNASAM - FCEAC
- 8 -

16. En algunos casos se puede utilizar modelos combinados, a partir de los cuales
se puede pronosticar por tramos con los modelos tomados de manera
independiente, en otros se puede tomar el promedio de dos modelos, a
modo de deduccin en el siguiente caso, relacionado con la produccin de
aluminio grafique los datos y establezca por observacin que modelo o modelos
seran los ms adecuados.

AO 01 02 03 04 05 06 07 08 09 10
FAB. ALUM.(TM) 4 200 9 500 6 100 13 400 15 200 14 200 15 300 18 200 15 300 19 300

11 12 13 14 15 16 17 18 19 20
14 100 14 600 9 800 9 500 16 900 20 600 22 400 30 200 36 900 40 100

17. Grafique sobre un eje cartesiano los puntos de la serie siguiente de datos,
evale el grfico y fije slo descriptivamente cmo se podran generar los
modelos, anlisis de su comportamiento histrico y pronstico futuro.

AO 01 02 03 04 05 06 07 08 09 10
PRODUC. X 3 500 4 100 6 100 6 300 6 600 5 100 7 500 7 800 5 000 5 400


11 12 13 14 15 16 17 18 19 20

5 200 6 800 11 100 9 500 17 200 13 800 18 800 15 800 16 100 25 600

EJERCICIOS PROPUESTOS

1. Suponiendo que siguientes los datos corresponden al mercado de un producto
manufacturado, se trata de efectuar las proyecciones matemticas de su
consumo aparente, para los aos 11 a 20 (Simn Andrade E., pg. 131).

AOS
Poblacin por Estratos
(Millones de Personas)
Ingreso Familiar Promedio
(Miles de Soles Corrientes)
Consumo Aparente por Estratos
(Miles de Unidades Fsicas)
A B C Total A B C A B C Total
1 0,10 1,00 2,00 3,10 30,5 14,0 3,5 4,80
2 0,11 1,10 2,24 3,45 34,5 15,7 3,9 5,60
3 0,12 1,21 2,51 3,84 39,7 17,6 4,2 0,95 4,40 1,15 6,50
4 0,14 1,33 2,81 4,28 45,6 19,7 4,7 7,30
5 0,14 1,46 3,15 4,75 52,5 22,0 5,1 8,10
6 0,15 1,61 3,52 5,28 60,3 24,7 5,6 8,50
7 0,16 1,77 3,95 5,88 69,4 27,6 6,2 9,10
8 0,18 1,95 4,42 6,55 79,8 30,9 6,8 9,80
9 0,20 2,14 4,95 7,29 91,8 34,7 7,5 10,40
10 0,25 2,36 5,55 8,16 105,5 38,8 8,3 0,15 9,20 2,55 11,90

Deflactor =10% anual. Tamaos familiares por estratos: A =4, B =5, C=6.

Proyectar e interpretar en funcin: a) Del tiempo (tendencia histrica). b) De la
poblacin total. c) La poblacin y los ingresos totales. d) La poblacin y los ingresos
por estratos.

2. La compaa petrolfera "Mobil" desea elaborar un modelo de regresin lineal
trimestral para explicar las ventas totales de gasolina en una gasolinera (Gt) en
funcin de la renta total de su rea (Yt), un ndice de precios de gasolina (Pt), el
nmero total de vehculos matriculados en su rea (Mt) y un ndice de cubicaje
de los automviles de su rea (CUt). Para ello dispone de los datos trimestrales
que se muestran a continuacin. (Perez/Amors/ Relloso, Pag. 18 y 71).
UNASAM - FCEAC
- 9 -

n Gt Yt Pt Mt Cut
01 61,26 738,40 2,73 68,56 1,93
02 73,41 737,10 1,76 68,86 1,87
03 75,09 732,10 1,76 68,96 1,77
04 70,75 737,70 2,02 68,88 1,82
05 70,39 750,10 2,06 69,22 1,69
06 73,82 759,60 1,90 69,54 1,84
07 74,45 779,00 2,02 69,65 1,70
08 67,46 789,20 2,41 70,23 1,73
09 67,76 798,40 2,55 70,48 1,73
10 65,47 805,50 2,73 70,62 1,70
11 66,80 808,00 2,56 71,08 1,61
12 65,12 815,00 2,88 71,41 1,49
13 67,09 826,70 2,81 71,46 1,29
14 64,03 839,70 3,05 71,66 1,17
15 63,14 848,60 3,26 72,17 1,00
16 63,15 864,20 3,49 72,36 0,92
17 64,81 873,70 3,35 72,57 0,81
18 64,68 880,90 3,35 72,97 0,77
19 64,58 886,70 3,53 73,16 0,67
20 64,18 906,70 3,67 73,77 0,62
21 64,12 919,70 3,82 74,13 0,56
22 64,37 934,00 3,79 74,56 0,51
23 65,38 956,70 3,91 74,96 0,46
24 62,74 975,40 4,42 75,71 0,44

Se solicita: Estimar el modelo de regresin de la variable Gt sobre las variables Yt,
Pt, Mt y Cut, utilizando los modelos siguiente:

a) Gt =a +b Yt +c Pt +d Mt +e Cut.
b) Gt =a.Yt
b
.Pt
c
.Mt
d
.Cut
e
.

3. Los siguientes datos son los resultados de una investigacin realizada con el
objeto de pronosticar el nmero de cabezas de ganado vacuno en relacin al
nmero de hectreas. Para ello se extrajo una muestra de 25 campos
distribuidos de la siguiente forma: 5 de 10 ha, 4 de 30 ha, 3 de 40 ha, 4 de 60
ha, 5 de 90 ha, 4 de 150 ha. La informacin adicional es: (MUNIER: 92)

Hectreas Cantidad de cabezas de ganado
10 9 18 20 10 18
30 42 35 41 30
40 39 48 51
60 60 66 73 69
90 94 110 103 99 89
150 169 172 155 164

Hallar la regresin con las siguientes opciones: I: Con el valor promedio de la
variable Y; II: Con los datos originales y luego comentar. (NOTA: No se debe
perder observaciones (25) en ninguna de las opciones).

*******

UNASAM - FCEAC
- 10 -

BIBLIOGRAFA

ALEGRE ELERA J ENNER "Formulacin y Evaluacin de Proyectos". Lima,
Centro Comunidades S.R.L., 1 994, 283 pg.

ANDRADE, Simn E. Proyectos de Inversin. Tomo 1. Per, Editorial
Lucero, 1982, 314 pg.

ASIA MORENO, Raquel
KACHANOSKI, E.A.
Microeconoma Prctica Problemas Resueltos.
Per, Editora Lima, 1 982, 106 pg.

CARBAJ AL, Fernando

Compendio de Proyectos de Inversin. Per,
Edicin de su Autor, 1992, 805 pg.

GUJ ARATI, Damodar Econometra. Colombia, Mc GraW Hill, 1 998, 824
pg.

KASMIER, Leonard Estadstica Aplicada a la Administracin y la
Economa. Mxico, Mc Graw-Hill, 1 977, 374 pg.

MUNIER, Nolberto Planeamiento y Control de Produccin. Argentina,
Editorial Astrea, s/f, 617 pg.

PREZ, AMORS,
RELLOSO.
Ejercicios de Econometra Empresarial. Espaa,
McGraw-Hill, 1993, 170 pg.

SALVATORE, Dominick Econometra. Mxico, Mc Graw Hill, 1 996, 201
pg.

HANKE, J ohn
REISTSCH, Arthur
Pronsticos en los Negocios. Mxico, Prentice
Hall, 1 996, 605 pg.

WILSON, Holton
KEATING Barry
Previsiones en los Negocios. Espaa, Diorki,
Servicios Integrales de Edicin, 1 996, 473 pg.











































F.C.E.A.C. 2 001

RTQ / LMTC