Metodos cuantitativos aplicados a la mercadotecnia

UNIDAD VI

METODOS CUANTITATIVOS APLICADOS A LA MERCADOTECNIA

1.- ANALISIS DE REGRESION LINEAL Y CORRECION

ESTADISTICAMENTE MIDE:

a) La extensión de la relación entre dos variables de escala de intervalo

b) La naturaleza de esa relación

UTILIZA:

Ecuaciones de regresión del tipo lineal. (Línea recta)

VARIABLES QUE MANEJA:

Variable dependiente denota por “Y” y la variable independiente denota por “X”

DESCRIBE:

El análisis de la regresión describe la ecuación matemática que “mejor se ajusta” a los valores registrados de las dos variables (dependiente e independiente)

OBJETIVO PRINCIPAL:

Predecir o estimar el valor de “Y” para un valor determinado de “X”

APLICACIONES TIPICAS DE MERCADOTECNIA:

Identificación de las relaciones entre variables dependientes como: ventas, participación en el mercado, y las variables dependientes como: precio del producto, nivel de publicidad, numero de vendedores, y otras medidas bajo control encargado de la toma de decisiones de mercadotecnia.

LLAMADA:

Esta técnica también es conocida o llamada regresión simple por considerar solo dos variables (dependiente o independiente).

ECUACION DE REGRESION:

Y= a + b X este criterio es conocido como ecuación de mínimos cuadrados

DESCRIPCION DE LOS VALORES a y b

El valor de a describe la intersección del eje y, y el valor de b describe la pendiente de la línea de regresión.

COEFICIENTE DE CORRELACION “r”

EL COEFICIENTE DE CORRELACION MIDE:

La fuerza de la relación entre las dos variables (dependiente e independiente).

El coeficiente de correlación es un número que en un determinado conjunto de datos, se encontrara entre los valores de -1 y +1 que nos indica dos cosas:

1.- la dirección de la relación: si r es positiva, ello significa que X y Y aumentaran y disminuirían juntas. Si r es negativa, las variables tenderán a moverse en direcciones opuestas; por ejemplo, si X se incrementa entonces Y tendera a decrecer, pues las ventas tenderán a mermar cuando el precio se eleve.

2.- la fuerza de la relación: cuanto mayor sea el valor absoluto de r más estrecha será la relación de las dos variables y mejor “encajara” en los datos del diagrama de graficacion. En los extremos (esto es si r es +1 o -1), la ecuación contendrá realmente todos los puntos de datos, lo cual la hace un ajuste perfecto de ellos. Cuando r = 0, ello significa que no hay relación lineal en absoluto entre las variables.

COEFICIENTE DE DETERMINACION (r2)

Es el cuadrado del coeficiente de correlación y representa el valor de la proporción de la variación de Y que es explicado por la variable independiente X por medio de la ecuación de regresión.

ERROR ESTANDAR DE LA ESTIMACION “Sy,x”

Sirve para conocer el error estándar de la estimación hecha con la regresión para calcular un intervalo mas apropiado en sentido estadístico, esto nos permite tener un margen mas amplio en la predicción de las ventas del año siguiente:

INTERVALO DE PREDICCION

El error de estimación es el primero de dos cálculos necesario si queremos construir un intervalo de predicción para el valor pronosticado de Y. (aquí utilizamos la expresión intervalo de predicción porque estamos tratando de prever un valor individual de Y y no la medida de Y para determinado valor de X).

Una vez calculado el error estándar de la estimación, necesitamos un factor de corrección para poder aplicar la distribución t (apropiada para todos los tamaños de muestra, en especial para los pequeños) y calcular el intervalo real que predecimos que se encontrara el valor de Y.

EJEMPLOS DE LINEA DE REGRESION SEGÚN EL COEFICIENTE DE CORRELACION

...