Eb2 T01e

ECONOMÍA GERENCIAL
Tema B2
ESTIMACIÓN DE LA DEMANDA
Prof. Valentín Montaña Madriz, USB
EB2-T01E
OBJETIVO
Adquirir el dominio del empleo de las

técnicas más utilizadas para la estima-
ción de las relaciones de demanda,
sea para su predicción futura como
para determinar la forma en que pue-
da ser afectada por los cambios de al-
gunas de sus variables.
SUMARIO DEL TEMA
 INTRODUCCIÓN
 METODOLOGÍAS DIRECTAS DE ESTI-
MACIÓN.
 Encuestas al consumidor
 Situaciones de mercado simulado
( Clínicas del consumidor ).

 Experimentos de mercado
 METODOLOGÍA INDIRECTA ( Análisis de

regresión ).
METODOLOGÍAS DIRECTAS
ENCUESTAS AL CONSUMIDOR
 Consisten en interrogar a una muestra de

la población consumidora sobre aspectos
tales como:
 Intención de compra
 Sensibilidad a los cambios de precio
 Efecto de las campañas publicitarias
 Limitaciones sobre capacidad y/o deseos

del consumidor para responder.
 Valor vs. Utilidad de la información
(Industria SILVANIA del Cuero) - I
EJEMPLO ILUSTRATIVO 1
OBJETIVO: Estimar las cantidades demandadas es-
peradas para un nuevo modelo de cartera para hom-
bres que la empresa lanzará al mercado.
MUESTRA: El Departamento de Investigación de
Mercados de la empresa ha diseñado un modelo de
cuestionario para la encuesta que realizará sobre u-
na muestra de 1000 clientes que serán interrogados
mientras realizan compras de productos similares.
(Industria SILVANIA del Cuero) - II
RESULTADOS DE LA ENCUESTA
A B C D E F
Defin. Prob. Quizás Algo Muy Defin. TOTAL
PRECIO
no no prob. prob. sí REP.
Bs.
9000 500 300 125 50 25 0 1000

8000 300 225 175 150 100 50 1000
7000 100 150 250 250 150 100 1000
6000 50 100 100 300 250 200 1000
5000 0 25 50 225 300 400 1000
PROB. 0,0 0,2 0,4 0,6 0,8 1,0
COMPRA
(Industria SILVANIA del Cuero) - III
CANTIDADES DEMANDABLES ESPERADAS A LOS

DISTINTOS PRECIOS
a Bs. 9000: E(Q)=500(0,0)+300(0,2)+125(0,4)+50(0,6)+25(0,8)+0(1,0)
=160 unidades de producto, y así:
a Bs. 8000: E(Q)=335 unidades
Ploteando, obtendremos una recta con intersecto-Y = 10070, y
pendiente = 0,63. Es decir, P = 10070 - 0,63Q, ceteris paribus.
Y, MR = ?
CLÍNICAS DEL CONSUMIDOR
 Grupos experimentales de consumi-

dores reciben algún dinero para ad-
quirir ciertos artículos en transaccio-
nes de compraventa debidamente re-
gistradas.
 Son más realistas pero su costo es
alto y se ven afectadas por el efecto
Hawthorne (=Conductas distintas de
las habituales).
MERCADOS SIMULADOS (CLIN.CONS.)
(The Brazilian Gold Coffee Co.) - I
OBJETIVO: Conocer las respuestas de los
consumi-dores de café brasilero marca GOLD a
cambios en el precio.
MUESTRA: La empresa constituyó una muestra de
600 consumidores organizados en 6 grupos de 100
personas cada uno, más o menos del mismo nivel
socioeconómico cada grupo, de manera que el con-
junto de los séis grupos reflejen estructuralmente
el mercado.
(The Brazilian Gold Coffee Co.) - II
MECANISMO
 En una misma tarde se le dio a cada grupo 30 mi-
nutos para realizar sus compras de café.
 A cada grupo se le asignó un precio distinto para
el café gold y un precio constante (= 3,49 US$/lb)
a la marca de café de mayor venta en el mercado
(“best selling brand”, BSB).
 Ambas marcas se exhibieron en la misma estante-
ría y se dio a cada participante US$ 30 en moneda
de juguete.
(The Brazilian Gold Coffee Co.) - III
RESULTADOS
GOLD Best Selling Brand
Precio Demanda Precio Demanda
GRUPO ( $/lb ) ( lb ) ( $/lb ) ( lb )
1 3,39 112 3,49 150

2 3,29 123 3,49 145
3 3,49 94 3,49 165
4 3,19 154 3,49 134
5 3,69 37 3,49 190
6 3,59 71 3,49 175
(The Brazilian Gold Coffee Co.) - IV
REQUERIMIENTOS
 Hallar la ecuación de la curva de demanda para el
café Brazilian Gold: Según ploteo,
PG= 3,88 - 0,0045QG , ceteris paribus.
 Hallar la ecuación de la curva del ingreso marginal
 Hallar el valor de la elasticidad-precio para un pre-
cio de $ 3,59/lb.
 Hallar la elasticidad cruzada de la demanda de BSB
frente a cambios en los precios del Brazilian Gold.
EXPERIMENTOS DE MERCADO
( I )
 Consisten en el examen del com-

portamiento real de los consumi-
dores frente a cambios en los fac-
tores de la demanda (precio, etc.)
 Opciones de experimentación:
 2 áreas similares de mercado
 1 sola área de mercado con cambios
en el tiempo.
( II )
 Limitaciones:
 Posible pérdida de clientes
 Alto costo
 Confiabilidad en el corto plazo
 Factores perturbadores
 Ventajas:
 Para productos nuevos
 Para verificar estudios estadísticos

( Demanda de Naranjas ) - I
Investigadores de la Universidad de Florida es-
tudiaron en Gran Rapids, Michigan, la demanda
de naranjas de Florida y California.
OBJETIVO: Estimar las elasticidades-precio de
las distintas variedades de naranja y medir las
elasticidades cruzadas entre las variedades.
( Demanda de Naranjas ) - II
MECANISMO
1. Los investigadores escogieron Grand Rapids
debido a que su tamaño, infraestructura econó-
mica y características demográficas son represen-
tativas del mercado de naranjas del Medio Oeste
norteamericano.
2. Nueve supermercados de la ciudad cooperaron
en el experimento, el cual consistió en variar dia-
riamente los precios de las naranjas durante 31
días y registrar las cantidades vendidas de cada
variedad.
( Demanda de Naranjas ) - III
RESULTADOS
1. Las variaciones de precio para cada variedad de
naranja cubrieron un rango de 32 ¢ ( =P0±16¢ ).
2. El volumen de ventas durante el experimento al-
canzó a 9.250 docenas de naranjas.
3. Los investigadores pudieron examinar la relación
entre las ventas de cada variedad y su precio, así
como las relaciones entre las ventas y los precios
de las variedades de la competencia.
4. El cuadro siguiente muestra las elasticidades-
precio en la diagonal y las cruzadas en el resto.
( Demanda de Naranjas ) - IV
RELACIONES DE DEMANDA
% de cambio en las ventas de -
Por cambio de 1% en el “INDIAN INTERIOR VALENCIA

precio de - RIVER” (Florida) (California)
(Florida)
“INDIAN RIVER”, Florida - 3,07 +1,56 +0,01

INTERIOR, Florida +1,16 - 3,01 +0,14
VALENCIA, California +0,18 +0,09 - 2,76
METODOLOGÍAS INDIRECTAS
( Concepto )
 A diferencia de los métodos directos, los in-

directos intentan proyectar el mercado sobre
la base de antecedentes históricos; para ello
suponen que los factores condicionantes del
mercado permanecerán estables.
 Comprenden:
 Modelos Causales
 Modelos de Tendencia ( o de Series Temporales o
Cronológicas ).
 Modelos del Nivel de Consumo
( Modelos CAUSALES - i )
Se fundamentan en la posibilidad de confiar

en el comportamiento de una o más variables
denominadas independientes que podrían ex-
plicar los valores que asumiría la variable que
se desea proyectar, llamada por ello variable
dependiente o función (demanda, oferta, con-
sumo, importaciones, etc.).
( Modelos CAUSALES - ii )
 Los modelos causales se diseñan en tres etapas:
 Identificación de las variables implicadas

 Selección de la forma de relación ecuacional más adecuada
 Validación del modelo para determinar su idoneidad
 La proyección de las variables monetarias se puede

hacer de dos maneras:
 A precios corrientes o nominales

 A precios constantes o reales
( Modelos CAUSALES - iii )
 Los modelos causales se pueden clasificar así:
 Modelos de regresión o determínisticos ( simples o

múltiples, lineales o no ).
 Modelos econométricos o estocásticos, los cuales,
según Dervisiotis, son “…son sistemas de ecuacio-
nes estadísticas que interrelacionan a las activida-
des de diferentes sectores de la economía y ayudan
a evaluar su repercusión sobre la demanda de un
producto o servicio. En este sentido, es una prolon-
gación del análisis de regresión.”
( Modelos de TENDENCIA - i )
“Los modelos de TENDENCIA, llamados tam-

bién de Series Temporales o Cronológicas,
sirven para pronosticar el valor futuro de la
variable que se desea estimar extrapolando
su tendencia, es decir, el comportamiento
histórico de los valores observados para esa
variable. Por tanto, en estos modelos, los va-
lores que asume la variable dependiente re-
presentan una función del tiempo (variable
independiente ), es decir: Y=f(T) .”
( Modelos de TENDENCIA - ii )
 Los modelos de tendencia se pueden clasi-

ficar así:
 Modelos de promedios móviles de n períodos
( simples o ponderados ). En este último caso, ca-
da valor observado recibe una ponderación,  ,
diferente de acuerdo con la antigüedad de la in-
formación. ).
 Modelos mínimocuadráticos, los cuales son mo-
los de regresión simple, es decir, de una sola va-
riable, T , que pueden ser lineales o no, determi-
nísticos o estocásticos.
( Modelos de TENDENCIA - iii )
 Los modelos de tendencia llamados naive se basan

en que los mejores predictores son los valores más
recientes. Así, para n periódos:
 Simple:
 yt  yt 1  ...  yt n 1
y t 1 
n

y den yperíodos:
Ponderado  y  ...   t n 1 yn 1

t 1 0 t 1 t 1
 0  1   2  ...   t n 1  1
 donde:
( Modelos de TENDENCIA – iv )
 Los modelos de tendencia llamados de promedios

móviles operan. Así, para n periódos:
y t
yˆ t 1  t 1
n
( Modelos de TENDENCIA – v )
 Tendencia potencial, multiplicativa o de Cobb-Douglas

( log-log ):
C  aT b
que linealizada logarítmicamente, nos da:
logC  log a  b logT
Esta tendencia asume una elasticidad constante b en
cada período.
 Tendencia autoregresiva, según la cual el consumo del
período t se somete a regresión sobre un valor pasado
de consumo.
Ct  a  bCt 1  cCt 2
( Modelos del NIVEL DE CONSUMO )
Este método considera el nivel de consumo utilizan-

do coeficientes estándares y definidos, y puede ser
utilizado satisfactoriamente cuando se trata de un
producto que se consume directamente. Comprende
los siguientes métodos:
 Método del coeficiente de Elasticidad-Ingreso

C (%)   y * y (%)
 Método del coeficiente de Elasticidad-Precio
C (%)   P * P(%)
 Método del coeficiente de Elasticidad Cruzada
C A (%)   AB * PB (%)
( Modelos del USO FINAL )
Este método es adecuado para evaluar la demanda de

bienes de consumo y, particularmente, de bienes in-
termedios o de insumo ( factor de conversión ); así,
tendremos:
 Para uso final como como bien de consumo:
C A  k c * H A
 Para uso final como como bien intermedio ( insumo ):
C I  f c * Q p
 Para uso final como insumo desfasado de un indicador principal:
C I ,t  f c * Q p ,t n
MARCO DE LA DEMANDA REGIONAL O
NACIONAL DE UN BIEN O
SERVICIO
DETERMINACIÓN DEL NIVEL DE DEMANDA
Se obtiene despejando el consumo, (C ), de la ecuación

que representa el modelo de un mercado en equilibrio,
es decir,
OFERTA  DEMANDA
E  0  P  M  Ce  X
E  0  b  PME Ce  X
E  0  ?  P M Ca  X
ANÁLISIS DE LA DEMANDA
DETERMINACIÓN DEL NIVEL DE DEMANDA NACIONAL NETA
Se obtiene despejando el consumo neto, (Cn ), de la ecua-

ción que representa el modelo de un mercado en equili-
brio, es decir,
OFERTAneta  DEMANDAneta
P  mP   M  mM   E  Cen  X
P  mP   M  mM   Can  X
donde: mP = merma en productos terminados
mM = merma en productos importados
METODOLOGIAS INDIRECTAS
ANÁLISIS DE REGRESIÓN
( I )
 Técnica estadística, basada en el méto-

do mínimo-cuadrático, utilizada para
determinar el grado de dependencia en-
tre variables dependiente e indepen-
diente(s), lo que se refleja en la iden-
tificación de los coeficientes de la fun-
ción demanda.
 Requiere de un conjunto de observa-
ciones retrospectivas de los valores
de las variables implicadas.
MODALIDADES
( II )
 Análisis de Serie Temporal:

Utiliza conjunto de observaciones
en el tiempo acerca de una situa-
ción particular.
 Análisis de Corte Transversal:
Utiliza conjunto de observaciones
de diferentes empresas que ope-
ran en el mismo ambiente de ne-
gocios y en el mismo instante o
período de tiempo.
ETAPAS
( III )
 Especificación de las variables

 Obtención de sus datos
 Especificación ecuacional
 Estimación de parámetros
 Interpretación de la ecuación
 Estadígrafos de regresión:
 Para medir el PET del modelo
 Para medir el PEI de cada variable
ESTADÍGRAFOS EVALUATORIOS
( I )
 Miden el poder explicativo total

del modelo ( PET ):
se

Coeficiente de Determinación, R2
 Coeficiente de Determinación co-
rregido, R 2
 Estadígrafo F
 Error estándar de estimación, se
ESTADÍGRAFOS EVALUATORIOS
( II )
 Miden el poder explicativo indivi-

dual de cada variable ( PEI ):

Error estándar del coeficiente, sb
 Prueba t, ( Student )
 Coeficientes de correlación par-
cial, ryx , x , ryx , x
1 2 2 1
ANÁLISIS DE REGRESIÓN SIMPLE
Procedimiento manual
CASO: Copier Sales of America
Copier Sales of America, Inc. vende copiadoras a negocios de todos tamaños

en todo Estados Unidos y Canadá. Marcy Bancer acaba de ser promovida a
Gerente Nacional de Ventas. A la próxima reunión de vendedores vendrán
los representantes de ventas de todo el país. A la señorita Vancer le gusta-
ría subrayar la importancia de hacer diariamente las llamadas necesarias.
Decide reunir información sobre la relación que pueda existir entre el núme-
ro de llamadas de venta y el número de copiadoras vendidas. Selecciona una
muestra aleatoria de 10 representantes de ventas y determina el número de
llamadas de ventas que hicieron el mes pasado y el número de copiadoras
que vendieron. La información obtenida de esta muestra se da en la lámina
siguiente.
• Represente esta información en un diagrama de dispersión

• Emita sus conclusiones en cuanto a una posible función de ajuste
Representante de Ventas Llamadas Ventas

Tom Keller 20 30
Jeff Hall 40 60
Brian Virost 20 40
Greg Fish 30 60
Susan Welch 10 30
Carlos Ramírez 10 40
Rich Niles 20 40
Mike Kiel 20 50
Mark Reynolds 20 30
Sony Jones 30 70
Rep. Ventas Llam.,X Vtas.,Y X2 Y2 XY

Tom Keller 20 30 400 900 600
Jeff Hall 40 60 1.600 3.600 2.400
Brian Virost 20 40 400 1.600 800
Greg Fish 30 60 900 3.600 1.800
Susan Welch 10 30 100 900 300
Carlos Ramírez 10 40 100 1.600 400
Rich Niles 20 40 400 1.600 800
Mike Kiel 20 50 400 2.500 1.000
Mark Reynolds 20 30 400 900 600
Sony Jones 30 70 900 4.900 2.100
’s  220 450 5.600 22.100 10.800
De donde:
n  xy   x  y 10 * 10.800  220 * 450

b   1,1842
n  x   x 
2 2
2
10 * 5.600  220
a
 x
b
 y
 x  b* y 
450
 1.1842 *
220
 18,9476
n n 10 10
Por tanto, la ecuación de regresión es:
Yˆ  18,9476  1,1842 X
Estadígrafos de Regresión
COEFICIENTE DE DETERMINACIÓN MUESTRAL ( r2 )

 Es igual al cuadrado del coeficiente de correlación, r
 Es la proporción de la variación total que es explicada
por la recta de regresión, es decir :
VE VT  VNE VNE
r2    1
VT VT VT
2   yˆ  y 2   y  y 2    y  yˆ 2   y  yˆ 
2
r    1
 y  y  2
 y  y 2
 y  y  2
SSR SST  SSE SSE

r2    1
SST SST SST
 Fórmula alternativa: a  Y  b XY  nY 2
r2 
Y 2
 nY 2
Cálculo del coeficiente de determinación, r2
Utilizamos la fórmula alternativa a fin de aprovechar resul-

tados parciales ya obtenidos:
a  Y  b XY  nY 2
r2   0,576  57,6%
Y 2
 nY 2
ERROR ESTÁNDAR DE ESTIMACIÓN ( se )

 Mide la variabilidad o dispersión de los valores observa-
dos alrededor de la línea de regresión, e indica con ello la
confiabilidad de la ecuación de estimación.
 El denominador es n-2 porque perdemos dos grados de
libertad, para los valores a y b, al estimar la línea de re-
gresión.
se 
 Y Yˆ 2

n2
 Fórmula alternativa menos tediosa (aprovecha los resul-
tados obtenidos durante el cálculo de a y b):
se  Y 2
 a  Y  b XY
n2
Cálculo del error estándar de estimación, se
Utilizamos la fórmula alternativa a fin de aprovechar resul-

tados parciales ya obtenidos:
se 
  a Y  b XY
Y 2
 9,901
n2
ERROR ESTÁNDAR DE ESTIMACIÓN DEL COEFICIENTE ( sb )
 Mide la variabilidad o dispersión del coeficiente de re-

gresión muestral, b , alrededor del verdadero coeficiente
de regresión poblacional, B o  .
 Al tratar pues con una muestra, aplicamos la fórmula:
se
sb 
 x 2
 nx 2
ERROR ESTÁNDAR DE ESTIMACIÓN DEL COEFICIENTE ( sb )
 Si vamos a realizar la prueba de hipótesis debemos estan-

darizar el valor observado del coeficiente de regresión, por
lo que, una vez calculado sb , usamos la siguiente fórmula:
b  BH0
t
sb
 Este valor estandarizado, t , es comparado con el o los
valores críticos de la tabla para realizar la prueba de hipó-
tesis.
Cálculo del error estándar de estimación del coeficiente, sb
se 9,901
sb    1,14
 x 2
 nx 2
760
INTERVALOS DE CONFIANZA APROXIMADOS

 Basándonos en el error estándar de estimación, sb , pode-
mos usar, para fines predictivos, intervalos de confianza a-
proximados que nos permitan formular un enunciado de
probabilidad sobre el intervalo alrededor del valor estima-
do de Yˆ, dentro del cual podrá caer el valor real de Y. Así:
 
 Para muestras grandes n  30 :
   
ˆ
P Yˆ  1se  Y  Yˆ  1se  68%


Para muestras pequeñas


n  30
P Y  1se
:



P Yˆ  2 se  Y  Yˆ  2 se  95,5%
 
P Yˆ  3se  Y  Yˆ  3se  99,7%
   
P Yˆ  tse  Y  Yˆ  tse  ¿? %
Procedimiento computarizado
CASO: Copier Sales of America ( Software: MINITAB )
Regression Analysis
The regression equation is

Units =18.9 + 1.18 Calls
Predictor Coef StDev T P

Constant 18.947 8.499 2.23 0,056
Calls 1.1842 0.3591 3.30 0.011
S = 9.901 R-Sq = 57.6% R-Sq(adj) = 52.3%
Analysis of Variance
SOURCE DF SS MS F P
Regression 1 1065.8 1065.8 10.87 0.011
Error 8 784.2 98.0
Total 9 1850.0 1850.0

Eb2 T01e

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Eb2 T01e

Cargado por

Copyright:

Formatos disponibles

ECONOMÍA GERENCIAL

Prof. Valentín Montaña Madriz, USB

Adquirir el dominio del empleo de las

 Situaciones de mercado simulado

( Clínicas del consumidor ).

 METODOLOGÍA INDIRECTA ( Análisis de

 Consisten en interrogar a una muestra de

 Limitaciones sobre capacidad y/o deseos

9000 500 300 125 50 25 0 1000

CANTIDADES DEMANDABLES ESPERADAS A LOS

 Grupos experimentales de consumi-

1 3,39 112 3,49 150

 Consisten en el examen del com-

 Confiabilidad en el corto plazo

 Para verificar estudios estadísticos

% de cambio en las ventas de -

Por cambio de 1% en el “INDIAN INTERIOR VALENCIA

“INDIAN RIVER”, Florida - 3,07 +1,56 +0,01

 A diferencia de los métodos directos, los in-

Se fundamentan en la posibilidad de confiar

 Los modelos causales se diseñan en tres etapas:

 Identificación de las variables implicadas

 La proyección de las variables monetarias se puede

 A precios corrientes o nominales

 Los modelos causales se pueden clasificar así:

 Modelos de regresión o determínisticos ( simples o

“Los modelos de TENDENCIA, llamados tam-

 Los modelos de tendencia se pueden clasi-

 Los modelos de tendencia llamados naive se basan

 Los modelos de tendencia llamados de promedios

 Tendencia potencial, multiplicativa o de Cobb-Douglas

Este método considera el nivel de consumo utilizan-

 Método del coeficiente de Elasticidad-Ingreso

Este método es adecuado para evaluar la demanda de

 Para uso final como como bien de consumo:

DETERMINACIÓN DEL NIVEL DE DEMANDA

Se obtiene despejando el consumo, (C ), de la ecuación

DETERMINACIÓN DEL NIVEL DE DEMANDA NACIONAL NETA

Se obtiene despejando el consumo neto, (Cn ), de la ecua-

 Técnica estadística, basada en el méto-

 Análisis de Serie Temporal:

 Especificación de las variables

 Miden el poder explicativo total

 Miden el poder explicativo indivi-

Copier Sales of America, Inc. vende copiadoras a negocios de todos tamaños

• Represente esta información en un diagrama de dispersión

Representante de Ventas Llamadas Ventas

Rep. Ventas Llam.,X Vtas.,Y X2 Y2 XY

n  xy   x  y 10 * 10.800  220 * 450

Por tanto, la ecuación de regresión es:

COEFICIENTE DE DETERMINACIÓN MUESTRAL ( r2 )

SSR SST  SSE SSE

Cálculo del coeficiente de determinación, r2

Utilizamos la fórmula alternativa a fin de aprovechar resul-

ERROR ESTÁNDAR DE ESTIMACIÓN ( se )

Cálculo del error estándar de estimación, se

Utilizamos la fórmula alternativa a fin de aprovechar resul-

ERROR ESTÁNDAR DE ESTIMACIÓN DEL COEFICIENTE ( sb )

 Mide la variabilidad o dispersión del coeficiente de re-

ERROR ESTÁNDAR DE ESTIMACIÓN DEL COEFICIENTE ( sb )

 Si vamos a realizar la prueba de hipótesis debemos estan-

Cálculo del error estándar de estimación del coeficiente, sb