Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
FACULTAD DE INGENIERIA
CURSO:
ALUMNOS:
DOCENTE:
HUANCAYO - PERU
2014
TECNICAS DE PROYECCION DEL MERCADO
Introducción
Cada una de estas técnicas de proyección tienen una aplicación de carácter especial por lo
cual es decisiva la elección correcta de cada una de estas, tomando en cuenta factores como
la validez y disponibilidad de los datos históricos, la precisión deseada del pronóstico, el
costo del procedimiento, los beneficios del resultado, los periodos futuros que se desee
pronosticar y el tiempo disponible para hacer el estudio son los factores más importantes a
tomarse en cuenta.
Con todo esto aclarado en este capítulo veremos la presentación y el análisis de las técnicas
más importantes para la proyección del mercado, como en sus alcances y aplicabilidad.
Con el fin de seleccionar correctamente uno de los métodos a seguir el analista deberá
tomar en cuenta muchos factores, y este a su vez deberá expresar la información de la
manera más valiosa como le sea posible.
- Los modelos de pronóstico causales parten del presupuesto de que el grado de influencia
de las variables que afectan el comportamiento del mercado permanece estable, para luego
construir un modelo que relacione ese comportamiento con las variables que se estima son
las causantes de los cambios que se observan en el mercado.
Estos métodos son importantes para ocasiones en las cuales los métodos cuantitativos
basados en información histórica no pueden explicar por si solos el comportamiento futuro
esperado de alguna de sus variables o cuando no existen suficientes datos históricos.
La opinión de los expertos es una de las formas subjetivas más comúnmente usadas para
estudiar el mercado. El método Delphi es el más conocido, este consiste en reunir un grupo
de expertos en calidad de panel, a quienes se les somete a una serie de cuestionarios, con un
proceso de retroalimentación controlada después de cada serie de respuestas. Se obtiene así
información que tratada estadísticamente, entrega una convergencia en la opinión grupal,
de la que nace una predicción. El método Delphi se fundamenta en que el grupo es capaz de
lograr un razonamiento mejor que el de una sola persona, aunque ésta sea experta en el
tema.
Una técnica similar al método Delphi es la conocida como consenso de panel que se
diferencia de aquella en que no existen secretos sobre la identidad del emisor de las
opiniones, y en que no hay retroalimentación dirigida desde el exterior.
Este método se basa en la suposición de que varios expertos serán capaces de producir un
pronóstico mejor que un sola persona, no existen secretos y estimulación la comunicación.
El peligro del método reside en la posibilidad de que emerja un grupo dominante que anule
la interacción adecuada y se logre un consenso por su capacidad de argumentación y no por
la validez de la misma.
En este sentido se requiere una estratificación previa a la toma de encuesta, para determinar
el espacio muestral. La estratificación consiste en a aquellos que efectivamente usan el
servicio propuesto.
n = σ2 Z2
e2
La teoría ofrece cuatro formas básicas para elaborar escalas o mediciones en ciencias
sociales: nominal, ordinal, de intervalos y proporcional.
Intentan proyectar el mercado sobre la base antecedentes cuantitativos históricos; para ello,
suponen que los factores condicionantes de los comportamientos históricos de alguna o
todos las variables del mercado permanecerán estables.
Los modelos causales de uso más frecuente son el modelo de regresión, el modelo
económico y el modelo de insumo – producto llamado también método de los coeficientes
técnicos.
Permite elaborar un modelo de pronóstico basado en estas variables, el cual puede tener
desde una hasta n variables independientes. Sin embargo la elección del número de
variables independientes depende del total de observaciones obtenidas para la variable
dependiente y cada una de las explicativas.
Existen dos modelos básicos de regresión: el modelo de regresión simple o de dos variables
y el modelo de regresión múltiple. El primero indica que la variable dependiente se predice
sobre la base de una variable independiente, mientras que el segundo indica que la
medición se basa en dos o más variables independientes. En ambos casos, aunque los
valores de la variable independiente pueden ser asignados es decir, que están dados por el
analista, los de la variable dependiente deben obtenerse por medio del proceso de muestreo.
El paso siguiente es determinar la ecuación lineal que mejor se ajuste a la relación entre las
variables observadas. Para ello se utiliza el método de los mínimos cuadrados.
Matemáticamente la forma de la ecuación de regresión lineal es
𝑦(𝑥) = 𝑎 + 𝑏𝑥
𝑎 = 𝑦 − 𝑏𝑥
Σ(𝑦−𝑦(𝑥))2 [𝑛Σ𝑥𝑦−(Σ𝑥)(Σ𝑦)]2
𝑟 2 = 1 − Σx(𝑦−𝑦(𝑥))2 ó 𝑟2 = [𝑛Σ𝑥 2 −(Σ𝑥)2 ][𝑛Σ𝑦 2 −(Σ𝑦)2 ]
Σ𝑦 2 −𝑎Σ𝑦−𝑏Σ𝑥𝑦
𝑆𝑒 = √ 𝑛−2
En algunos casos, en vez de ajustar los datos a una línea recta para predecir la tendencia
histórica, deberá emplearse una función exponencial que muestre un cambio porcentual
constante, mas de una variación constante en cada periodo, para expresar de mejor forma el
ajuste de la tendencia de los datos. La expresión de la ecuación exponencial es:
𝑦(𝑥) = 𝑎𝑥 𝑔 )
Modelo de regresión múltiple, se aplica cuando hay dos o mas variables independientes que
deben usarse para calcular el valor de la variable dependiente y asume la foma:
𝑌 = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2 + ⋯ + 𝑏𝑛 𝑥𝑛
Lira: “define un modelo para estimar la demanda de un producto, que parte de la base de
que el precio se determina por la interacción de la oferta y la demanda”. Su modelo se
define como:
𝑄𝑜 = 𝑄𝑑 + Δ𝑠 + 𝑋 − 𝑀
Método de los coeficientes técnicos, que permite identificar las relaciones interindustriales
que se producen entre sectores de la economía, mediante una matriz que implica suponer el
uso de coeficientes técnicos fijos por parte de las distintas industrias.
Una serie de tiempo está dado por un conjunto de observaciones que están ordenadas en el
tiempo, y que estas pueden representar el cambio de una variable ya sea de tipo económica,
física, química, biológica, etc, a lo largo esa historia.
Los pronósticos que se puedan realizar en base al análisis de este tipo de datos serviran para
el desarrollo de nuevos planes para inversiones en agricultura por ejemplo, elaboración de
nuevos productos por parte de las empresas, prevención de desastres por cambios en el
clima, o captar turistas para la ciudad, etc.
2.3.1.- Representación de una Serie Temporal
Para realizar la representación de una serie temporal se debe realizar mediante una gráfica
de dispersión x-y como se muestra en la fig.1
a) Tendencia
También son posibles algunas formas para la tendencia, que no necesariamente tiene una
distribución de puntos en forma aproximadamente lineal sino como las que se muestran en
la fig. 4
b) Variaciones estacionales.
c) Variaciones cíclicas
Se llama así a las oscilaciones a lo largo de una tendencia con un periodo superior al año.
El ciclo sugiere la idea de que este tipo de movimiento se repite cada cierto periodo con
características parecidas. Los ejemplos más frecuentes se encuentran en el campo de las
variables económicas, en estos casos se deben principalmente a la alternancia de las etapas
de prosperidad y depresión en la actividad económica.
d) Variaciones residuales
Cuando a parecen hechos imprevistos, repentinos que afecten las variables en estudio
acotando que no podemos prever nos hallamos frente a variaciones residuales provocadas
por factores externos o aleatorios.
Por ejemplo un día lluvioso y frio durante el verano es difícil de predecir y aunque
perturbaría ciertas actividades diarias como la venta de helados no afectaría en este caso
significativamente la serie.
a) Método Gráfico
Para este método se deben de considerar los siguientes pasos que se detallan
2.3.4.- APLICACIÓN
Tabla Nº1
Se traslada los datos a Microsoft Excel, ordenados en dos columnas, luego se realiza la
gráfica de los datos.
En la grafica se observa que los años donde se registra mayor producción son 1974, 1980,
1985,1990
Entonces podemos tomar cada cinco años como la cantidad de años para la cual la empresa
realiza su mayor producción.
Sin embargo es conveniente encontrar una línea de tendencia tal que se pueda hallar una
ecuación ajustada para los pronósticos de la producción en el tiempo.
El problema ahora es que el periodo donde alcanza la mayor producción es un numero par
de años, por lo que se hace difícil en la tabla hallar el año central, realizando el promedio de