Función de Producción

Introducción
Hoy en día un tema de suma importancia en el ámbito de la producción es saber determinar

la máxima cantidad que se debe producir un bien con determinados recursos. La estimación
y creación de modelos de funciones de producción mediante los cuales se estudiará la
relación que existe entre los factores y productos, nos ayudará saber las cantidades de estas,
mejorando de cierta manera la toma de decisiones.
En el campo de la estadística, la estimación de modelos es una herramienta muy

importante para así saber la determinación de dichas variables que intervienen, en este caso
a la función de producción de los sistemas productivos y por ende la capacidad de predicción
para valores futuros.
La representación matemática de una función de producción nos facilita el manejo de

cantidades y comportamiento de los factores que la conforman.
La finalidad de este trabajo es aprender a seleccionar el mejor modelo estimado para

describir las diferentes funciones de producción, pasando un conjunto de pasos o requisitos
básicos y necesarios para su elaboración.
Función de producción
La función de producción se define como la relación que hay entre las diferentes
combinaciones de cantidades de los factores que intervienen, con una determinada tecnología
y un tiempo o momento dado.
La función de producción nos dará a conocer las cantidades en la que una empresa debe
de producir cierto producto, teniendo en cuenta los factores como: capital (k), trabajo (L),
tierra (T) que forman parte de dicha función.
La función o forma matemática en la que se expresa es la siguiente:
Y = f (T, L, Rn, K)
Donde:
 Y representa la cantidad de producto a obtener

 T es el factor tierra
 L el factor trabajo
 Rn los recursos naturales
 K los bienes de capital (maquinaria, equipo, infraestructura productiva,
herramientas, etc.)
La representación matemática anterior puede ser reducida a tan solo dos factores de
producción a lo que la nueva expresión quedaría del siguiente modo:
Y = f (L, K)
Esta nueva ecuación indica que la producción está en función de las variables cantidad de
capital (K) y cantidad de trabajo (L).
La función de producción, en otras palabras, refleja la tecnología que existe para convertir
el capital y el trabajo en producción, esto quiere decir que, si el trabajo aumenta, aumentará
la producción.
Se entiende que existen diversas actividades productivas, aquella que al combinar los
factores de producción resultan un bien, por ende, se tiene que tener en cuenta que cada uno
de estas actividades tendrá una función de producción distinta y diferente a las demás.
La función de producción hace referencia a la tecnología en determinado tiempo o

momento, ya que, si esta sufre alguna innovación o retroceso la función de producción se
verá afectada y cambiará.
Modelos econométricos
Los modelos econométricos o modelos matemáticos y estadísticos son los que nos
permiten analizar, interpretar y realizar predicciones sobre cualquier tipo de sistema
económico.
Nos permite saber como se comporta y cuál es la relación que guarda una o más variables
en función de otras que conforman dicho modelo.
Al igual que nos brinda información sobre la relación entre las variables, también, nos da
la facultad de predecir y saber cuál será el comportamiento de la variable explicada si
sabemos que pasa con las variables que la afectan.
Un modelo econométrico esta formado por una o varias ecuaciones en las que la variable
explicada o endógena depende de una o varias variables explicativas (Caridad, 1998).
Por ello, entonces un modelo econométrico está constituido por:
 Una o mas ecuaciones o relaciones estructurales.

 Variables dependentes e independientes.
 Parámetros a estimar.
 Datos u observaciones para la estimación.
En otras palabras, los modelos econométricos, es decir, la función de producción es usado

como herramientas para el análisis que ayuda a tomar decisiones ya sea en el ámbito de la
macroeconomía como en el de la microeconomía (empresas).
En cuanto a la clasificación de los modelos econométricos, existen muchas, dependiendo
el criterio de clasificación que usemos, en lo que refiere al número de ecuaciones, un modelo
econométrico puede ser unicelular o multicelular, y según su forma de relación o función de
los parámetros podemos clasificarlos como modelos lineales y no lineales.
 Unicelulares, son aquellos modelos en el que está compuesto o existe una sola
variable endógena, la cual no influye en las variables explicativas o
predeterminadas. Estas variables predeterminadas son las que causan la
variabilidad en la variable endógena.
 Multicelular, modelo en el que las variables explicativas de la ecuación pueden ser
las predeterminadas y/o las exógenas.
 Lineales, nos permite explicar la variable exógena en términos de la variable
endógena o explicada.
 No lineales, cuando en la ecuación aparecen parámetros otro tipo de operaciones
como productos cocientes y más.
Etapas para la construcción de un modelo
Para logras la construcción de un modelo econométrico es necesario tener una basta

información estadística de las variables que formarán parte de nuestro modelo, teniendo en
cuenta los objetivos que buscamos o seguimos. Se podría decir que consta de las siguientes
fases:
 Búsqueda y tratamiento de datos

 Especificación del modelo
 Estimación de parámetros
 Contraste de diagnóstico o validación
Búsqueda y tratamientos de datos
Vendría a ser la primera etapa en cualquier investigación, ya que es considerada la

base sobre cual se afirma todo el proceso de modelización.
En esta etapa se lleva a cabo la selección de la muestra a la que realizaremos el
estudio, teniendo en cuenta que tiene que ser una muestra representativa para tener
resultados óptimos en nuestra modelo.
Una muestra representativa, esta definida por el tamaño correcto de la muestra y por
el tipo de muestreo usado. El tamaño de muestra está sujeto principalmente del
tamaño de la población y de los objetivos que sigue la investigación. En cuanto al tipo
de muestreo que se realizará vendrá dado por la accesibilidad que se tiene a las
observaciones.
Teniendo los datos recolectados, pasaremos a verificar si estos cumplen con los
supuestos que se deben tener en cuenta en toda investigación en cuanto al manejo de
datos. Para ello realizaremos el contraste de hipótesis. Los datos deben de cumplir los
siguientes supuestos: normalidad, homocedasticidad e independencia.
Especificación del modelo
Etapa en la que se trata de formular el modelo teórico que queremos estimar, para lo
cual debes saber decidir y diferenciar cuantas variables endógenas formaran parte del
modelo, si será solo una o mas de una. Luego se debe elegir las variables explicativas
para así realizar un análisis descriptivo multidimensional que determinara la
correlación entre ellas, con el fin de darnos cuenta si existe algún tipo de dependencia
entre las mismas. Este proceso se puede realizar en algún tipo de software estadístico
que nos facilita los resultados.
En el análisis nos daremos cuenta que variables de entrada tienen un alto grado de
correlación con la variable respuesta, formando parte del modelo, esto con la finalidad
de reducir la mayor parte de variables que no aportan ningún tipo de información a
nuestro modelo a estimar.
Con frecuencia se encontrará diversos modelos alternativos, ya que, aunque tengamos

una idea de modelo, existen otros similares con los que debemos probar también y
elegir el que mas se ajuste a predicciones, teniendo en cuenta si incorporaremos todas
o parte de las variables explicativas, este proceso se llevara a cabo hasta logras el
modelo definitivo.
Estimación de parámetros
Una vez especificado el modelo, abordamos la siguiente etapa que es la estimación

de parámetros. Existen distintos métodos de estimación y dependerán de la relación
de dependencia de las variables tanto como el tipo de modelo.
Si el modelo es unicelular, se estimarán mediante los siguientes métodos que son los
más usuales:
 Método de mínimos cuadrados ordinarios

 Método de mínimos cuadrados generalizados
 Método de máxima verosimilitud
En el caso que el modelo sea multicelular, los parámetros de las ecuaciones que la
conforman pueden sr estimadas con algunos métodos anteriores, pero con algunas
variaciones:
 Método de mínimos cuadrados bietápicos

 Método de máxima verosimilitud con información limitada
Y por último si el modelo es estimable o identificable, seria mediante
 Método de mínimos cuadrados trietápicos

 Método de máxima verosimilitud con información completa
Contraste de diagnóstico o validación
En esta última fase de construcción de un modelo, se comprueba de forma estadística

si la especificación del modelo a sido la correcta. Para lo cual se realizan una serie de
contrastes de hipótesis, ya sea para los coeficientes de las variables y para los
residuos.
En las hipótesis de los contrastes de hipótesis de los coeficientes serán de la forma:

𝐻0 : 𝛽 = 0
𝐻1 : 𝛽 ≠ 0
Con la finalidad de verificar si existe influencia de una variable explicativa, o si se

excluye del modelo.
Si al realizar esta etapa de validación no se considera adecuado el modelo elegido,

entonces es necesario volver a la especificación del modelo y modificarla, realizando
nuevamente todo el proceso, hasta que por fin cumpla y supere la última etapa de
validación, cumpliendo con los distintos contrastes.
Selección del modelo
Ya habiendo realizado todas las fases anteriores, y haber verificado u superado con
éxito la prueba de validación del modelo, viene la selección de nuestro modelo a
utilizar. Que es aquel que cumple con todas las pruebas previamente mencionadas.
Modelos de regresión lineal múltiple
Hacemos uso de esta técnica de regresión múltiple cuando tenemos en estudio la posible
relación de diversas variables explicativas (independientes) con otra variable explicada
(dependiente).
La regresión lineal múltiple es una técnica que trata de linealizar modelos a partir de una
variable de respuesta, en función de mas de una variable independiente.
El modelo teórico de la regresión lineal múltiple tiene la siguiente estructura:
𝑌 = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + ⋯ + 𝛽𝑛 𝑥𝑛
Donde:
 Y representa a la variable dependiente

 𝑥𝑖 son las variables independientes o explicativas, i = 1, 2, …, n
 βi son los coeficientes del modelo
Funcion lineal
La funcion lineal

Función de Producción

Cargado por

Copyright:

Formatos disponibles

Función de Producción

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

Función de Producción

Cargado por

Copyright:

Formatos disponibles

Introducción

Hoy en día un tema de suma importancia en el ámbito de la producción es saber determinar

En el campo de la estadística, la estimación de modelos es una herramienta muy

La representación matemática de una función de producción nos facilita el manejo de

La finalidad de este trabajo es aprender a seleccionar el mejor modelo estimado para

La función o forma matemática en la que se expresa es la siguiente:

 Y representa la cantidad de producto a obtener

La función de producción hace referencia a la tecnología en determinado tiempo o

Por ello, entonces un modelo econométrico está constituido por:

 Una o mas ecuaciones o relaciones estructurales.

En otras palabras, los modelos econométricos, es decir, la función de producción es usado

Etapas para la construcción de un modelo

Para logras la construcción de un modelo econométrico es necesario tener una basta

 Búsqueda y tratamiento de datos

Búsqueda y tratamientos de datos

Vendría a ser la primera etapa en cualquier investigación, ya que es considerada la

Especificación del modelo

Con frecuencia se encontrará diversos modelos alternativos, ya que, aunque tengamos

Una vez especificado el modelo, abordamos la siguiente etapa que es la estimación

 Método de mínimos cuadrados ordinarios

 Método de mínimos cuadrados bietápicos

Y por último si el modelo es estimable o identificable, seria mediante

 Método de mínimos cuadrados trietápicos

Contraste de diagnóstico o validación

En esta última fase de construcción de un modelo, se comprueba de forma estadística

En las hipótesis de los contrastes de hipótesis de los coeficientes serán de la forma:

Con la finalidad de verificar si existe influencia de una variable explicativa, o si se

Si al realizar esta etapa de validación no se considera adecuado el modelo elegido,

Selección del modelo

Modelos de regresión lineal múltiple

El modelo teórico de la regresión lineal múltiple tiene la siguiente estructura:

 Y representa a la variable dependiente

También podría gustarte