XXX Semana Internacional, ESAN

12 al 16 de enero de 2015
Dr. Ral Montalvo

Mircoles 14 de enero

Etapas del modelo de Regresin:

1.
2.
3.
4.
5.

Definir el problema
Colectar datos
Estimar los parmetros no conocidos.
Evaluar el modelo.
Usar el modelo para la toma de decisiones

LA GRAN PIZZA Ltd:

Mario Espagueti es dueo de una cadena de
pizzeras en Estados Unidos, ubicadas dentro
de Universidades. Como Mario ha tomado la
clase de Gerencia Global, l quiere conocer
cmo se comporta la curva de demanda de su
mercado para as poder tomar decisiones
informadas sobre dnde establecer nuevas
sucursales y cunto cobrar por cada pizza para
maximizar sus utilidades.

#
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Y
10
12
13
14
9
8
4
3
15
12
13
14
12
10
10
12

X1
100
100
90
95
110
125
125
150
80
80
90
100
100
110
125
110

X2
14
16
8
7
11
5
12
10
18
12
6
5
12
10
14
15

X3
100
95
110
90
100
100
125
150
100
90
80
75
100
125
130
80

Etc... Ver hoja de Excel

X4
1
1
1
1
0
0
1
0
1
1
1
1
1
0
0
1

Y
X1
X2
X3
X4

Cantidad
Precio de la rebanada de Pizza
Colegiatura (Ingreso)
Precio del vaso de refresco
Ubicacin (1, rea urbana; 0 rea rural)

Mario Espagueti saca los datos de

venta de sus 30 Pizzeras....

Cree que afectan a su demanda: el

precio de la pizza, el ingreso de su
mercado, el precio de sus refrescos
y la ubicacin de la pizzera

Mario Espagueti pasa sus datos a una hoja

de Excel y hace lo siguiente.....

Intercepcin
X1
X2
X3
X4

Coeficientes
26.667
-0.088
0.138
-0.076
-0.544

Y
X1
X2
X3
X4

Cantidad
Precio de la Pizza
Colegiatura (Ingreso)
Precio de los refrescos
Ubicacin (1, rea urbana; 0 rea rural)

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

(0.018)

X1
X2
X3
X4

(0.087)

Error tpico
0.018
0.087
0.019
0.885

Y
X1
X2
X3
X4

(0.019)

(0.885)

Cantidad
Precio de la Pizza
Colegiatura (Ingreso)
Precio de los refrescos
Ubicacin (1, rea urbana; 0 rea rural)

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

(0.018)

(0.087)

Estadsticas de la regresin
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
F
Observaciones

0.717
0.671
1.640
15.8
30.000

(0.019)

Y
X1
X2
X3
X4

(0.885)

Cantidad
Precio de la Pizza
Colegiatura (Ingreso)
Precio de los refrescos
Ubicacin (1, rea urbana; 0 rea rural)

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

Qu suposiciones podemos hacer?

El precio de la pizza afecta negativamente a la cantidad de

pizzas que se demandan
La pizza es un bien normal puesto que el ingreso afecta
positivamente a la cantidad de pizzas demandadas
El Refresco y la Pizza son bienes complementarios
Se piden ms pizzas en zonas rurales que en las zonas
urbanas

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

Evaluar la significancia de los coeficientes
Error estndar
Estadstico t
Intervalos de Confianza

Evaluar la significancia del modelo

Error Estndar
R^2 y R^2 ajustado
F y Estadstico F

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

Evaluar la significancia de los coeficientes

X1
X2
X3
X4

Error tpico
0.018
0.087
0.019
0.885

Error estndar - representa la

dispersin arriba y abajo de la
ecuacin de regresin. Y^- Y.
Es la variacin de la Y real con
respecto a la Y estimada... Se
busca que sea el mnimo posible.

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

Evaluar la significancia de los coeficientes

X1
X2
X3
X4

Estadstico t
-4.858
1.595
-3.948
-0.615

Estadstico t relacin del valor

de cada parmetro con su error
estndar.
Para que los parmetros sean
relevantes, el valor absoluto de
su estadstico t debe ser mayor a
2.

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

Evaluar la significancia de los coeficientes

X1
X2
X3
X4

Inferior 95%
Superior 95%
-0.12
-0.05
-0.04
0.32
-0.12
-0.04
-2.37
1.28

Intervalo de Confianza
intervalo en el que se encuentran
los verdaderos valores de los
parmetros, con una
probabilidad de 95%.

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

Evaluar la significancia del modelo

Estadsticas de la regresin
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
F
Observaciones

Error Estndar = 1.640

0.717
0.671
1.640
15.8
30.000

Error Estndar representa la

media de dispersiones arriba y
abajo de la ecuacin de
regresin. Y^- Y.
Entre ms chico, mejor.

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

Evaluar la significancia del modelo

Estadsticas de la regresin
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
F
Observaciones

R^2 = 0.717

0.717
0.671
1.640
15.8
30.000

R^2 indica qu tanto la lnea de

regresin explica las
observaciones encontradas.
Valor entre 0 y 1
Entre ms cercano a 1, mejor

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

Evaluar la significancia del modelo

Estadsticas de la regresin
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
F
Observaciones

R^2 = 0.671

0.717
0.671
1.640
15.8
30.000

R^2 ajustada R^2 que toma en

cuenta el tamao de la muestra y
penaliza las muestras pequeas

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

Evaluar la significancia del modelo

Estadsticas de la regresin
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
F
Observaciones

F = 15.8

0.717
0.671
1.640
15.8
30.000

F indica qu tanto la lnea de

regresin explica las
observaciones encontradas.
Entre ms grande, mejor.

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

Evaluar la significancia del modelo

Estadsticas de la regresin
Coeficiente de determinacin R^2
R^2 ajustado
Error tpico
F
Observaciones

0.717
0.671
1.640
15.8
30.000

Valor Significativo de F si es
menor a 5%, se considera que la
ecuacin es relevante.
Entre ms pequeo, mejor.

F estadstico = 1.42526911547931E-06

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

El modelo es representativo de la demanda

Los parmetros seleccionados son relevantes para
el modelo, a excepcin del correspondiente a la
ubicacin del campus.

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

Una vez evaluado y aceptado el modelo,

podemos usarlo como una
herramienta de gran tilidad para la
Toma de Decisiones

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

Para encontrar elasticidades:

Asumimos valores

X1
X2
X3
X4

100 (centavos)
14 (miles)
110 (centavos)
1 (rea urbana)

^Y = 10.898

^Y = 26.667 0.088X1 + 0.138 X2 0.076 X3 0.544 X4

Elasticidad precio: -0.088 * (100/10.898) = - 0.807

Elasticidad ingreso: 0.138 * (14/10.898) = 0.177

Elasticidad cruzada (refresco):

-0.076 * (110/10.898) = -0.767

Fast food/Comida rpida:

Burger King