2010

Anlisis Economtrico de una Bodega

Jara Agero Edwin Catedrtico: Ec. Milton Erazo Camacho 28/07/2010

ANALISIS ECONOMETRICO DE UNA TIENDA

I.- ASPECTO GENERALES 1. Nombre: Bodega David EIRL. 2. Mercado: Esta dirigido principalmente a todas las familias de la ciudad donde se localiza. 3. Venta Principal: Una de las principales ventas diarias que se realiza es el arroz. 4. Tecnologa: La bodega cuenta con un sistema de informacin a medida que le permite registrar cada compra(tickets). II.- PROBLEMA 1. Hiptesis: El precio influye significativamente a la demanda del producto en la ciudad. 2. Variables: Hemos considerado a 3 variables para determinar el modelo economtrico. -Dependiente(Y): Cantidad en Kg de Arroz Capirona vendidos en un mes. -Independiente(X1): Precio Promedio por Kg de Arroz Capirona en un mes. -Independiente(X2): Frecuencia promedio de clientes por da en un mes. 3. Problema: No se conoce el comportamiento del producto con respecto a la oferta y la demanda. 4. Recopilacin: Se tiene el total de kilogramos vendidos en los meses del ao 2009. III.- DATOS
N 1 2 3 4 5 6 7 8 9 10 11 12 Mes de Venta Enero Febrero Marzo Abril Mayo Junio Julio Agosto Setiembre Octubre Noviembre Diciembre Precio por Kg de Arroz Capirona 2,00 2,00 2,10 2,20 2,00 2,20 2,30 2,10 2,00 2,20 2,30 2,20 Cantidad en Kg de Arroz Capirona 462 460 453 450 470 455 446 459 472 457 453 458 Frecuencias de Clientes 120 106 103 98 112 109 103 117 119 96 102 99

IV.- RESULTADOS 1. Cuadro de Anlisis: Anlisis de Economtrico Variable Dependiente: Cantidad (Y) Parmetro Error Estimacin Constante 533,068 Frecuencia ( X1) 0,1774 Precio ( X2) -44,1249 Anlisis de Varianza Fuente Suma Cuadrados Modelo 423,952 Residuo 204,964 Total 628,917 Conclusines R-cuadrado Error Estndar ajustado Estimacin 60,1677 % 4,77219

Estadstico Estndar 57,2622 0,23782 17,1869 Grado Libertad 2 9 11 Error Absoluto Medio 3,85488

T-Valor 9,30924 0,74592 -2,56735 Cociente-F 9,31

P-Valor 0,0000 0,4747 0,0303 P-Valor 0,0064

Estadstico Durbin Watson 1,00625

Correlacin Residual 0,407561

2. Ecuacin Economtrica: Los resultados ajustados a un modelo de regresin lineal multiple presentan la siguiente ecuacin ajustado al modelo.

Y = 533,068 - 44,1249.X1 + 0,1774.X2

3. Confiabilidad: Dado que el p-valor en la tabla ANOVA es inferior a 0.01, existe relacin estadsticamente significativa entre las variables para un nivel de confianza del 99%. 4. Autocorrelacin: El estadstico R2 indica que las variables independientes (precio y frecuencia) influyen un 67,4099% de la variabilidad en la variable dependiente (cantidad) pero ajustado, que es ms conveniente para comparar modelos con diferente nmeros de variables independientes, es 60,1677%. 5. Error de estimacin: Muestra la desviacin tpica de los residuos que es 4,77219 . Este valor puede usarse para construir los lmites de prediccin para las nuevas observaciones. 6. Estadstico Durbin-Watson (DW): Examinamos lo residuos para determinar si hay alguna correlacin significativa basada en el orden en que se han introducido los datos.

7. Significancia del Modelo: Dado que el P-Valor es inferior a 0.05, hay indicio de una posible correlacin serial. 8. Consistencia del modelo: Para decidir la simplificacin del modelo, tenemos en cuenta que el p-valor ms alto en las variables independientes es 0,4747perteneciendo a la variable independiente Frecuencia. Puesto que el pvalor es superior o igual a 0.10, este trmino no es estadsticamente significativo para un nivel de confianza del 90% o superior. Por tanto, deberamos quitar la variable independiente Frecuencia del modelo. 9. Nuevo modelo Corregido: Luego de simplificar la variable independiente frecuencia presentamos un modelo corregido.

Y =570,886- 52,9545.X1

10. Medias mviles para Cantidad: -Media del Proceso = 457,917 -Sigma del Proceso = 8,54288 -MR (2) Medio = 9,63636 Este procedimiento crea que un grfico de medias mviles individuales para Cantidad. Est diseado para permitirle determinar si los datos proceden de un proceso que est

en un estado de control. Los grficos de control se construyen bajo la asuncin de que los datos proceden de una distribucin normal con una media igual a 457,917 y una desviacin tpica igual a 8,54288. Estos parmetros se estimaron a partir de los datos. De los 12 puntos no excluidos mostrados en los grficos, 0 estn fuera de los lmites de control en el primer grfico mientras que 0 estn fuera de los lmites en el segundo grfico.

11. Medias mviles para el Precio : Media del Proceso = 2,13333 Sigma del Proceso = 0,11283 MR (2) Medio = 0,127273

Este procedimiento crea que un grfico de medias mviles individuales para Precio. Est diseado para permitirle determinar si los datos proceden de un proceso que est en un estado de control estadstico. Los grficos de control se construyen bajo la asuncin de que los datos proceden de una distribucin normal con una media igual a 2,13333 y una desviacin tpica igual a 0,11283. Estos parmetros se estimaron a partir de los datos. De los 12 puntos no excluidos mostrados en los grficos, 0 estn fuera de los lmites de control en el primer grfico mientras que 0 estn fuera de los lmites en el segundo grfico.

V.- CONCLUSIONES 1. De acuerdo al anlisis economtrico realizado podemos decir que no es necesario tomar en cuenta la Frecuencia promedio de clientes por da en un mes, porque no influye significativamente a la Cantidad demandada. 2. A un 99% de confiabilidad podemos afirmar que el modelo es moderadamente significativo. 3. El modelo cumple con el comportamiento lineal entre la oferta y demanda. VI.- BIBLIOGRAFIA 1. www.uam.es/predysim : Curso De Prediccin Econmica Y Empresarial 2. Econometra de Series Temporales, Box, G. E. and G. M. Jenkins 3. Control de calidad en los procesos estadsticos, una aproximacin a los modelos ARIMA, INEI,