PROYECCIONES DE LA DEMANDA
Transcript of PROYECCIONES DE LA DEMANDA
PROYECCIONES DE LA DEMANDA
METODOS
TASA ACUMULATIVA
ANUAL
TASA MEDIA
MÍNIMOS
CUADRADOS
Consideraciones previas
a) Relación de variables; por ejemplo:
Estatura versus pesos.
Costo versus producción.
Consumo versus ingresos.
b) Colección de datos; por ejemplo:
Estatura versus pesos.
(Estaturas)
X
X1
X2
X3
.
.
.
Xn
(Pesos)
Y
Y1
Y2
Y3
.
.
.
Yn
c) Diagrama de dispersión; por ejemplo:
Relación lineal
y = a + b x
Relación no lineal
y = a x² + b x + c
d) Encuentro de la curva de aproximación
➢Si la curva de aproximación es lineal, la ecuación
que liga a las variables es la línea recta.
➢Si la línea de aproximación no es lineal, la
ecuación responde a otro tipo de curva.
➢La curva de aproximación mas simple es la línea
recta, cuya ecuación teórica es: y = a + bx.
…d) Encuentro de la curca de aproximación
La ecuación de la recta y = a + bx.
Donde:
y = es la variable dependiente.
x= es la variable independiente.
a= es un parámetro, es el punto donde la recta corta
al eje y.
b= es un parámetro, se llama pendiente (m) o
coeficiente de regresión; mide la inclinación de
la recta.
Alturas
Pes
os
Características de una recta; de la recta de ajuste
X1
Y2
(Y2 - Y1)
(X2, X1)
X
Y
D1
A
θ
m =
Y1
X2
B
tan θ = m = b
y
Trataremos de buscar una
curva que haga mínimo
“La mejor curva de ajuste” Linea, Ajuste Optimo
(X1,Y1)
(X2,Y2)
(X3,Y3)
(X4,Y4)
(X5,Y5)
X
Y
D2
D1
D3 = 0
D4D5
Curva de regresión calculada
y
D1= (Y1-YC)
D2= (Y2-YC)
D3 = 0 P1
P2
P3
P4
P5
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
Altura y peso de 30 individuos.
Dada una colección de datos, es necesario obtener
una definición de la mejor recta de ajuste o de la
mejor parábola de ajuste.
De todas las curvas de aproximación a una serie de
datos puntuales, la curva que tiene la propiedad de
que: D1² + D2² + D3² + … +Dn² es mínimo, se conoce
como la mejor curva de ajuste.
Si la mejor curva de ajuste es una recta, se
denomina recta de mínimos cuadrados, o en su
defecto parábola de mínimos cuadrados.
Para determinar los valores de los parámetros “a” y
“b”, se recurre a las ecuaciones normales. Que
cumplen con la condición de minimizar la siguiente
expresión: n
sea mínima
Donde:
es el valor observado.
es el valor calculado
es el número de observaciones
Ecuaciones normales:
y = a + b x
Resolviendo obtenemos:
estaturas, pesos
Resumen
pesos
estaturas
• La ecuación de la recta es y = a + bx
• El método de los mínimos cuadrados nos
suministra la pendiente b y la ordenada en
el origen a.
• A través de las siguientes ecuaciones:
Coeficiente de correlación lineal “r”
-1 ≤ r ≤ 1La validez de una progresión por regresión,
depende del grado de asociación entre sus
variables.
Si la asociación es alta, el coeficiente de regresión
“r” se aproxima al valor 1, entonces la estimación
tiene buena base de fundamento.
Su la asociación es débil, el coeficiente de
regresión “r” se aproxima al valor 0, entonces la
progresión no tiene justificación.
• La cuantificación del grado de asociación
entre las variables, se efectúa mediante el
cálculo “r” que es el valor del coeficiente
de correlación lineal.
Resumen
Regresión
• Trata de estimar el valor de una variable “y”
correspondiente a un valor dado para la variable
“x”.
• Se puede conseguir estimando el valor “y” de la
curva de mínimos cuadrados.
• La curva resultante se llama Curva de
Regresión de “y” sobre “x”.
Ejemplo de Regresión
• Se cuenta con una información de
importación de trigo de los últimos 7 años
en toneladas métricas TM. Se pide
efectuar las proyecciones en los próximos
5 y 10 años, usando el método de los
mínimos cuadrados.
Tabla de los datos de las variables “x” e
“y” y registro de otros datos obtenidos
Años x TM = y x y x²2000 1 15 15 12001 2 25 50 42002 3 30 90 9
2003 4 25 100 162004 5 45 225 252005 6 75 450 362006 7 80 560 49∑ 28 295 1490 140
0
10
20
30
40
50
60
70
80
90
1999 2000 2001 2002 2003 2004 2005 2006 2007
TM = y
TM = y
Graficamos los datos de las
variables “x” e “y”
Cálculo de coeficientes “b” y “a”
7(1490) – (28) (295)
7(140) – (28)²= 11.07
(140)(295)–(28)(1490)
7(140) – (28)²= -2.14
Graficamos la recta de regresión
• La ecuación de la recta es y = a + bx
• Entonces reemplazando datos obtenidos
de a y b tenemos: y = -2.14 + 11.07x
• Ahora debemos graficar esta función.
Años x y= -2.14 + 11.07x
2000 1 8.932003 4 42.142006 7 75.35
2006+ 5=2011 12 130.702006+10=2016 17 186.05
Años x y
2000 1 8.932003 4 42.142006 7 75.352011 12 130.702016 17 186.05
y
0
50
100
150
200
1995 2000 2005 2010 2015 2020
y
0
10
20
30
40
50
60
70
80
90
1998 2000 2002 2004 2006 2008
TM = y
TM = y
Graficamos los datos de las
variables “x” e “y”
BIBLIOGRAFÍA
• http://www.authorstream.com/Presentation/fedra
-163868-regresi-lineal-estad-stica-aplicada-2-
education-ppt-powerpoint/
• Gisela Vergara y Fedra Villanueva.
• Física recreativa Salvador Gil t Eduardo
Rodriguez.
FIN