UNIVERSIDAD NACIONAL SANTIAGO ANTNEZ DE MAYOLO

FACULTAD DE ADMINISTRACIN Y TURISMO

GUA DE PRCTICA

RICARDO TOLEDO QUIONES

HUARAZ PER - 2 012

UNIVERSIDAD NACIONAL SANTIAGO ANTNEZ DE MAYOLO

FACULTAD DE ADMINISTRACIN Y TURISMO

Serie de Tcnicas de Estudio: Ricardo Toledo Quiones Enero 2 012

Publicacin para los estudiantes del Curso de Direccin de Proyectos I de la Facultad de Administracin y Turismo Escuela Acadmico 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 MODELOS ECONOMTRICOS DE PROYECCION 1.1 MODELOS USUALES DE DOS VARIABLES ECUACIN Y = a + b*X
X

N NOMBRE 01 Lineal

ECUACION LINEALIZADA Y = a + b*X Y = a + b*LnX Ln Y = Ln a + X*Ln b Ln Y = Ln a + b*X Ln Y = Ln a + b*Ln X Y = a + b*1/X 1/Y = a*1/X + b lnY = a + b*1/X lnY = a + b*X

Parmetros del Modelo a b c a b a Antiln Antiln Antiln a b a a a a Antiln b Antiln b b b a b b b b Antiln c c

02 Logartmica Y = a + b*LnX 03 Compuesta Y = a*b 05 Potencia 06 Inversa 07 08 Curva S 04 Exponencial Y = a*ebx Y = a*Xb Y = a + b/X Y = X/(a + b.X) Y = ea + b*1/X
2

09 Crecimiento Y = ea + b * X 10 Cuadrtico Y=a+b*X +cX 11 Cbico 12 Logistica 1.2 Y=a+b*X +cX2 +dX3 Y = 1 / (1/u + (a * bX))

Y=a+b*X +cX

Y=a+b*X +cX2 +dX3 ln(1/y-1/u)= ln a + Ln b*X

INDICADORES ESTADISTICOS

INDICADOR Coeficiente de Determinacin Coeficiente de Determinacin Ajustado Coeficiente de Correlacin

SIMBOLO .r2 (*)

SIGNIFICADO

Es una medida de la bondad de ajuste, indica la exactitud con la cual la lnea de regresin muestral se ajusta a los datos. El .r2 Ajustado tiene en cuenta el nmero de variables presentes en el modelo, 2 igualmente indica el grado en que la lnea de regresin se ajusta a los datos. . r (*) Es recomendable cuando el nmero de variables independientes es pequeo. Es una medida del grado de asociacin entre variables. No necesariamente .r (*) implica una relacin causa-efecto. 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 F F 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%. 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 Prueba t .t 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

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 independientes con la PRUEBA t no son significativos a su vez el Coeficiente de Determinacin (R2) y el R2 Ajustado tiene un valor muy alto.

MULTICOLINEALIDAD

-1-

UNASAM - FCEAC
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). 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 AUTOCORRELACIN La frmula para calcular el estadstico Durbin-Watson es: n (et et 1 ) 2

d = t =2

t =1 A veces es posible corregirla mediante mtodos economtricos. (ver: Damodar Gujarati: Econometra, pg. 418 428)

2 t

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 HETEROSCEDASTICIDAD segunda (ESS2) a la primera regresin (ESS1) es significativamente diferente de cero y por lo tanto > Ft, (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:

ESS 2 > Ft (con _(n d 2) / 2 _ g .l.numerador ) ESS1

Si la varianza del error es proporcional a X2 (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.

-2-

UNASAM - FCEAC

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 nivel 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 = Y X t Sx.y Donde: Y X = Valor estimado de Y; t = Valor de t de Tabla y Sx.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 = Y X t SY
X

Donde:

SY

= S X .Y

1 + n

X ( X )
2

( X X )2

/n

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

Y X tSYsiguiente

Donde:

SYsiguiente = S 2 X .Y + S 2Y X

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.

-3-

UNASAM - FCEAC PRACTICA 1 LA DEMANDA ECONOMETRA 1. 2. 3. 4. 5. Establezca la funcin Demanda y descrbala brevemente. Establezca la funcin Oferta y descrbala brevemente. Describir la elasticidad precio, ingreso y la elasticidad cruzada de la Demanda. Debe aprender a explicarla e interpretar valores que se le puedan presentar. Describir la elasticidad precio de la Oferta. Debe aprender a explicarla e interpretar valores que se le puedan presentar. 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. Para el Cuadro 1, hallar los modelos, indicadores estadsticos, intervalos de prediccin para X = 14 y comentar: a) Y = a + bX b) Y = abX .Estime el valor para n = 6. RPTAS.: a) Y=2,467+1,629X b) Y = 3,588*1,241^X Para el Cuadro 2, hallar los modelos, indicadores estadsticos y comentar: a) Y = a + b.Ln X; b) Y = aXb. Establecer valores para X = 7; 15; 8. RPTAS: a) 230,971 + 139,478 Ln X b) Y = 3,322 X^1,42 Para el Cuadro 3, hallar los modelos, indicadores estadsticos y comentar: a) Y = a + b.X b) Y = a.ebX; Y = a.bX 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) 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 1994 1995 1996 1997 1998 1999 n 1 2 3 4 5 6 PRODUCCIN 4 6 7 9 11 12 CONSUMO 60 75 91 99 112 113 130 143 PUBLICIDAD 10 11 11 09 12 12 11 12

6.

7.

8.

9.

CUADRO 3
DEMANDA(TONELAD.) 646 590 541 489 450 405 382 350 315 290 PRECIO 3,5 3,6 4,1 4,2 4,6 4,8 5,2 5,6 6,0 6,4

CUADRO 4
Y 48,0 74,2 79,9 88,1 91,0 92,9 X 1,0 3,0 4,0 8,0 10,0 12,0

10.

Para los datos siguientes se ha encontrado un modelo para el cual el coeficiente de determinacin r2 = 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).

-4-

UNASAM - FCEAC

p Q 11.

10 190 000

8 240 000

5 390 000

4 490 000

2 1 990 000 1 990 000

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

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.Xb; Y = a.bX 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) b) c) Y = 576,733 + 24,267X; Y = 555,150 + 102,652 LnX; Y = 535,666X0,159; Y = 560,951*1,036X Y = -620,899 + 0,520X; Y = -10 295,623 + 1 403,571LnX; Y = 0,0000385X2,128; Y = 91,978*1,0008X Y = -1,761 + 0,707X; Y = -2,977 + 2,925LnX; Y= 0,021X2,821; Y= 0,067*1,980X.

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

-5-

UNASAM - FCEAC en las medias e interprete. d) Ajuste a una lnea de regresin al modelo Y1 = a + 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 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 Y1 40 45 50 55 60 70 65 65 75 75 80 100 90 95 85 X1 09 08 09 08 07 06 06 08 05 05 05 03 04 03 04 X2 400 500 600 700 800 900 1000 1100 1200 1300 1400 1500 1600 1700 1800 X3 10 14 12 13 11 15 16 17 22 19 20 23 18 24 21

RPTA.: Y = 82,2755 5,1061X1 + 0,0167X2. R2 = 0,95064 Y = 79,1063 4,9280X1 + 0,0159X2 + 0,1748X3. R2 = 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) 10 600 11 400 12 300 13 000 13 800 14 400 15 000 15 900 16 900 17 200 10 800 11 700 12 600 13 300 14 000 14 900 15 700 16 500 17 500 17 800 11 100 12 100 13 200 13 600 14 200 15 300 16 400 16 900 18 100 18 500 INGRESO (Yd) 12 000 13 000 14 000 15 000 16 000 17 000 18 000 19 000 20 000 21 000

b. Importaciones (M) y Producto Nacional Bruto (PNB) (En millones de $)

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

-6-

UNASAM - FCEAC

c. Importaciones (Y) y Producto Nacional Bruto (X1) (ambos en miles de millones de dlares) e ndice de Precios al Consumidor (X2)
AO Y X1 X2 AO Y X1 X2 1985 28,4 635,7 92,9 1993 75,9 1 171,1 125,3 1986 32,0 688,1 94,5 1994 94,4 1 306,6 133,1 1987 37,7 753,0 97,2 1995 131,9 1 412,9 147,7 1988 40,6 796,3 100,0 1996 126,9 1 528,8 161,2 1989 47,7 868,5 104,2 1997 155,4 1 702,2 170,5 1990 52,9 935,5 109,8 1998 185,8 1 899,5 181,5 1991 58,5 982,4 116,3 1999 217,5 2 127,6 195,4 1992 64,0 1 063,4 121,3 2000 260,9 2 368,5 217,4

RESPUESTAS: a. Heteroscedasticidad; b. Autocorrelacin; c. Multicolinealidad. 14. La siguiente tabla indica It: los inventarios; St: las ventas reales y St: los valores hipotticos de St, 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 (St 1). (SALVATORE Dominick: 151 -169). Inventarios (It) y Ventas (St y St ) en la industria de manufactura del pas XX (en miles de millones de $)
AO 1985 60,0 35,1 38,7 1993 1986 63,4 37,3 41,3 1994 1987 68,2 41,0 45,6 1995 1988 78,0 44,9 50,1 1996 1989 84,7 46,5 51,9 1997 1990 90,6 50,3 56,3 1998 1991 98,2 53,5 60,1 1999 1992 101,7 52,8 59,2 2000

It St St
AO

It 102,7 108,3 124,7 157,9 158,2 170,2 180,0 198,0 St 55,9 63,0 73,0 84,8 86,6 98,8 110,8 124,7 St 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 St 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 CONSUMO APARENTE 1 7 2 5 3 12,5 4 8 5 10 6 6 7 4,5 8 12 9 7,5 10 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

-7-

UNASAM - FCEAC 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. 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 FAB. ALUM.(TM) 01 4 200 02 9 500 03 04 05 06 07 08 09 10 6 100 13 400 15 200 14 200 15 300 18 200 15 300 19 300 13 9 800 14 15 16 17 18 19 20 9 500 16 900 20 600 22 400 30 200 36 900 40 100

11 12 14 100 14 600

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 PRODUC. X 01 3 500 11 5 200 02 4 100 12 03 6 100 13 04 6 300 14 05 6 600 15 06 5 100 16 07 7 500 17 08 7 800 18 09 500 19 10 5 400 20

6 800 11 100

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

-8-

UNASAM - FCEAC

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 1 2 3 4 5 6 7 8 9 10 Poblacin por Estratos (Millones de Personas) A B C Total 0,10 1,00 2,00 3,10 0,11 1,10 2,24 3,45 0,12 1,21 2,51 3,84 0,14 1,33 2,81 4,28 0,14 1,46 3,15 4,75 0,15 1,61 3,52 5,28 0,16 1,77 3,95 5,88 0,18 1,95 4,42 6,55 0,20 2,14 4,95 7,29 0,25 2,36 5,55 8,16 Ingreso Familiar Promedio (Miles de Soles Corrientes) A B C 30,5 14,0 3,5 34,5 15,7 3,9 39,7 17,6 4,2 45,6 19,7 4,7 52,5 22,0 5,1 60,3 24,7 5,6 69,4 27,6 6,2 79,8 30,9 6,8 91,8 34,7 7,5 105,5 38,8 8,3 Consumo Aparente por Estratos (Miles de Unidades Fsicas) A B C Total 4,80 5,60 0,95 4,40 1,15 6,50 7,30 8,10 8,50 9,10 9,80 10,40 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).
n 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 Gt 61,26 73,41 75,09 70,75 70,39 73,82 74,45 67,46 67,76 65,47 66,80 65,12 67,09 64,03 63,14 63,15 64,81 64,68 64,58 64,18 Yt 738,40 737,10 732,10 737,70 750,10 759,60 779,00 789,20 798,40 805,50 808,00 815,00 826,70 839,70 848,60 864,20 873,70 880,90 886,70 906,70 Pt 2,73 1,76 1,76 2,02 2,06 1,90 2,02 2,41 2,55 2,73 2,56 2,88 2,81 3,05 3,26 3,49 3,35 3,35 3,53 3,67 Mt 68,56 68,86 68,96 68,88 69,22 69,54 69,65 70,23 70,48 70,62 71,08 71,41 71,46 71,66 72,17 72,36 72,57 72,97 73,16 73,77 Cut 1,93 1,87 1,77 1,82 1,69 1,84 1,70 1,73 1,73 1,70 1,61 1,49 1,29 1,17 1,00 0,92 0,81 0,77 0,67 0,62

-9-

UNASAM - FCEAC
n 21 22 23 24 Gt 64,12 64,37 65,38 62,74 Yt 919,70 934,00 956,70 975,40 Pt 3,82 3,79 3,91 4,42 Mt 74,13 74,56 74,96 75,71 Cut 0,56 0,51 0,46 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.Ytb.Ptc.Mtd.Cute. 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 10 30 40 60 90 150 Cantidad de cabezas de ganado 9 18 20 10 18 42 35 41 30 39 48 51 60 66 73 69 94 110 103 99 89 169 172 155 164

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).

*******

- 10 -

UNASAM - FCEAC

BIBLIOGRAFA ALEGRE ELERA JENNER ANDRADE, Simn E. ASIA MORENO, Raquel KACHANOSKI, E.A. CARBAJAL, Fernando "Formulacin y Evaluacin de Proyectos". Lima, Centro Comunidades S.R.L., 1 994, 283 pg. Proyectos de Inversin. Tomo 1. Per, Editorial Lucero, 1982, 314 pg. Microeconoma Prctica Problemas Resueltos. Per, Editora Lima, 1 982, 106 pg. Compendio de Proyectos de Inversin. Per, Edicin de su Autor, 1992, 805 pg. Econometra. Colombia, Mc GraW Hill, 1 998, 824 pg. Estadstica Aplicada a la Administracin y la Economa. Mxico, Mc Graw-Hill, 1 977, 374 pg. Planeamiento y Control de Produccin. Argentina, Editorial Astrea, s/f, 617 pg.

GUJARATI, Damodar KASMIER, Leonard MUNIER, Nolberto PREZ, RELLOSO.

AMORS, Ejercicios de Econometra Empresarial. Espaa, McGraw-Hill, 1993, 170 pg. Econometra. Mxico, Mc Graw Hill, 1 996, 201 pg. Pronsticos en los Negocios. Mxico, Prentice Hall, 1 996, 605 pg. Previsiones en los Negocios. Espaa, Diorki, Servicios Integrales de Edicin, 1 996, 473 pg.

SALVATORE, Dominick HANKE, John REISTSCH, Arthur WILSON, Holton KEATING Barry

- 11 -

FAT 2 012 RTQ / MTC