Técnicas Básicas de Estimación
Los gerentes deben ser capaces de determinar la relación matemática entre las variables económicas que reúne varias funciones utilizadas en la economía gerencial: función de la demanda, función de producción, función de producción, función de costos, entre otras. La relación entre el costo total ( C ) y la cantidad (Q) puede ser especificada como: parámetros del costo de la ecuación.
C= a + bQ + cQ2 + dQ3
donde a, b, c y d son los
Parámetros - son coeficientes en una ecuación que determinan la relación entre la relación matemática exacta entre las variables de la ecuación. Una vez los valores numéricos de los parámetros son determinados, el gerente puede saber la relación cuantitativa entre la producción total y el costo total. Ejemplo: Suponga que los valores de los parámetros en la ecuación de costo son determinados por:
C = 1,262 + 1.0 Q – 0.03Q2 + 0.005Q3 Esta ecuación podría ser utilizada para para calcular el costo total de producir diversos niveles de salida. Si se quiere producir 30 unidades de salida, el costo total puede ser calculado como: C = 1,262 + 30 – 0.03 (30)2 + 0.005(30)3 = $1,400
El proceso de encontrar las estimaciones de los valores numéricos de los parámetros de una ecuación se llama estimación de los parámetros. Aunque hay varias técnicas para estimar los parámetros, los valores de los parámetros son obtenidos frecuentemente utilizando una técnica llamada análisis de regresión. Este análisis utiliza datos de las variables económicas para determinar una ecuación matemática que describe la relación entre las variables económicas. Esta envuelve la estimación de los valores de los parámetros y analiza la importancia de la estadística.
Modelo de Regresión Lineal Simple El análisis de regresión es una técnica utilizada para determinar la relación matemática entre una variable dependiente y una o más variables explicativas. Las variables explicativas son las variables económicas que se consideran que afectan el valor de la variable dependiente. En el modelo de regresión lineal simple, la variable dependiente Y está relacionada solamente con una variable explicativa X y la relación entre X y Y es lineal. Y= a+bX El parámetro a es parámetro del intercepto porque le da el valor de Y al punto donde la línea de regresión cruza el eje de Y. El parámetro de b es llamado parámetro de la pendiente
porque le da la inclinación a la línea de la regresión. Vemos que X y Y están linealmente relacionadas en el modelo de regresión: esto es, el efecto del cambio en X en el valor de Y es constante. El modelo de regresión simple está basado en la relación lineal entre X y Y, en gran parte porque estimando los parámetros de un modelo lineal es relativamente una estadística simple. Ejemplo: Una asociación de Agencia de viajes quiere determinar la relación matemática entre el volumen de ventas de los paquetes de viajes (s) y el nivel de gastos de publicidad en los periódicos (A). Supongamos que la relación real o actual entre las ventas y la publicidad es: S = 10,000 + 5A Donde S mide las ventas del mes en dólares y A mide los gastos de publicidad en dólares. Los investigadores nunca podrán conocer con certeza la naturaleza exacta de la relación matemática entre la variable dependiente y la explicativa, pero, el análisis de regresión proporciona un método para estimar la relación real. Como no se conoce la línea real de regresión, lo primero que hace el análisis de regresión es obtener los estimados de a y b. (Información de las ventas mensuales y los gastos de publicidad). Ejemplo: Impacto del efecto aleatorio en las ventas por mes Compañía
Gastos de publicidad
Tampa Travel Agency Buccaneer Travel Service Happy Getaway Tours
Ventas
Expectativas
Efecto Aleatorio
actuales
de ventas
$3,000.00
$30,000.00
$25,000.00
$5,000.00
3,000.00
$21,000.00
25,000.00
—4,000.00
3,000.00
$25,000.00
25,000.00
0
Si una compañía decidiera no invertir nada en publicidad, se espera que sus ventas sean de $10,000.00 por mes. S = 10,000.00 + 5(0) = $10,000.00 Si la compañía invierte $3,000 en anuncios, se espera que sus ventas sean de $25,000.00 (10,000.00 + 5(3,00.00) = $25,000.00). Como ΔS/ΔA = 5, por cada $1 de los gastos adicionales de la publicidad, la agencia de viajes puede esperar un aumento de $5 en las ventas. Por
ejemplo, el aumento de $3000.00 a $4,000.00 por mes, provoca que las ventas mensuales se eleven desde $25,000.00 a $30,000.00.
bbbnm