UNIVERSIDAD PERUANA LOS ANDES

FACULTAD DE INGENIERIA

CARRERA DE ING. CIVIL

CURSO:

FORMULACIÓN Y EVALUACIÓN DE PROYECTOS DE

INVERSIÓN

ALUMNOS:

- CONCHA SAENZ JIMMY DANTE

DOCENTE:

- LIC. BENDEZU CASTAÑEDA CARLOS ALFREDO

HUANCAYO - PERU

2014
 TECNICAS DE PROYECCION DEL MERCADO

Introducción

En el capítulo anterior se analizaron los principales componentes del estudio de mercado de

un proyecto. Debido a esto tendremos en cuenta que la estimación del comportamiento
futuro de algunas de estas variables puede realizarse utilizando diversas técnicas de
pronóstico las cuales serán estudiadas en este capítulo.

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.

La mayor dificultad al escoger uno de estas técnicas radica en la posibilidad de la

ocurrencia de eventos que no hayan ocurrido anteriormente, como el desarrollo de nuevas
tecnologías, la incorporación de competidores con sistemas comerciales no tradicionales,
las variaciones en las políticas económicas gubernamentales, etc..

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.

1.- EL ÁMBITO DE LA PROYECCIÓN

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.

La validez de los resultados de la proyección está íntimamente asociada con la calidad de

los datos de entrada que sirvieron de base para el pronóstico.

La efectividad del método elegido se evaluará en función de su precisión, sensibilidad y

objetividad.

Precisión.- porque cualquier error en su pronóstico tendrá asociado un costo. Aunque

obviamente no podrá exigirse una certeza total a alguno de los métodos, sí podrá exigirse
que garantice una reducción al mínimo del costo del error en su proyección.

Sensibilidad.- porque al situarse en un medio cambiante, debe ser lo suficientemente

estable para enfrentar una situación de cambios lentos así como dinámica para enfrentar
cambios agudos.
Objetividad.- porque la información que se tome como base de la proyección debe
garantizar su validez y oportunidad en una situación histórica.

2.- MÉTODOS DE PROYECCIÓN

Una manera de clasificar las técnicas de proyección consiste en hacerlo en función de su

carácter, esto es, aplicando métodos de carácter cualitativo, modelos causales y modelos de
series de tiempo.

- Los métodos de carácter cualitativo se basan principalmente en opiniones de expertos.

- 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.

- Los modelos de series de tiempo se utilizan cuando el comportamiento que asume el

mercado a futuro puede determinarse en gran medida por lo sucedido en el pasado, y
siempre que esté disponible la información histórica de manera confiable y completa.

2.1.- Métodos cualitativos

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.

Un método mas sistemático es el de investigación de mercado, que se usa principalmente

para la recolección de la información relevante para ayudar a la toma de decisiones.

Para realizar el muestreo existen dos métodos:

- El probabilístico.- en el que cada elemento elegible tiene la misma probabilidad de

ser muestreado.
- El no probabilístico.- en el la probabilidad de ser elegible no es igual para toda la
población muestral.

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.

El calculo del tamaño de la muestra es fundamental para la confiabilidad de los resultados.

Para realizar estos cálculos de la muestra se puede utilizar la siguiente formula:

n = σ2 Z2

e2

donde n es el tamaño de la muestra, σ2 es la desviación estándar, Z el valor critico de la

distribución normal para un nivel de confianza deseado, y e2 el nivel de error maxim
opermitido.

El valor de Z se obtiene de una tabla de probabilidades de una distribución normal y se

conoce como el numero de errores estándar asociados con el nivel de confianza.

La aplicación de un cuestionario a la muestra busca medir acitudes y comportamientos

esperados del mercado. Para ello es conveniente aplicar lo que se denomina técnica
estructurada, que consiste en facilitar respuestas breves, simples especificas y con opciones
limitadas.

La teoría ofrece cuatro formas básicas para elaborar escalas o mediciones en ciencias
sociales: nominal, ordinal, de intervalos y proporcional.

- La nominal consiste en solicitar al encuestado que mencione por ejemplo, la marca

que usa de un determinado producto, el medio de difusión donde vio la publicidad o
donde lo compro.
 - El ordinal consiste en solicitar al encuestado que ordene datos de acuerdo con su
preferencia personal, calificando lo en una escala de valores dada.
- La escala de intervalos permite hacer comparaciones cuando se preguntra acerca de
la edades, los ingresos, o cuando el encuestado tiene una visión calara pero no
exacta de su respuesta.
- La escala proporcional se aplica cuando se desea explicitar mediciones como
volumen, peso o distancia.

En general las encuestas se emplean en la medición de volúmenes esperados de venta,

preferencias de calidad y precio, hábitos de compra, etc..

La investigación de mercados basada en muestreo no probabilístico se puede tipificar en

tres categorías:

- Muestreo de estratos.- se predetermina en estrato de la población según los intereses

particulares de la investigación.
- Muestreo de conveniencia de sitio.- se predetermina el lugar donde se aplicara la
encuesta, según donde se estima estará presente el consumidor objeto del interés de
estudio.
- Muestreo de bola de nieve.- se encuesta en una primer estancia al azar, usando las
respuestas obtenidas como elementos referenciales para una encuesta posterior mas
dirigida.

Entre otros métodos se encuentran: el método pronósticos visionarios y el método

cualitativo analizado de la analogía histórica.

2.2.- Modelos causales

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.

Las causales explicativas se definen como variables independientes y la cantidad

demandada, u otro elemento del mercado que se desea proyectar, se define como variable
dependiente. La variable dependiente, en consecuencia, se explica por la variable
independiente.

2.2.1.- Modelo de regresión

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.

De la observación de las variables se deriva un diagrama de dispersión que indica la

relación entre ambas, gráficamente se representa la variable independiente x con relación al
eje horizontal, y el valor de la variable dependiente y con relación al eje vertical. Cuando la
relación entre ambas no son lineales es usual determinar un método de transformación de
valores para lograr una relación lineal.

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

Donde y (x) es el valor estimado de la variable dependiente para un valor específico de la

variable independiente x, a es el punto de intersección de la línea de regresión con el eje y,
b es la pendiente de la línea de regresión y x es el valor específico de la variable
independiente. Dado que la línea de regresión se entiende como el valor esperado que toma
la variable y, dados los valores esperados de la variable x, el término constante a también se
puede entender como el valor promedio de y cuando x es cero. Igualmente b se puede
entender como el cambio ante y ante una cambio marginal en x.

El criterio de mínimos cuadrados permite que la línea de regresión de mejor ajuste

minimice la suma de las desviaciones cuadráticas entre los valores reales y los estimados de
la variable dependiente para la información muestral. Se derivan las siguientes expresiones
para la pendiente y el intercepto respectivamente:
𝑛Σ𝑥𝑦−(Σ𝑥)(Σ𝑦) Σ(𝑥−𝑥)−(𝑦−𝑦)
𝑏= ó 𝑏=
𝑛Σ𝑥 2 −(Σ𝑥)2 Σ(𝑥−𝑥)2

𝑎 = 𝑦 − 𝑏𝑥

Donde 𝑥 y 𝑦 son las medidas de las variables y n el número de observaciones.

Al ser el modelo de regresión un método estadístico, es posible determinar la precisión y

confiabilidad de los resultados de la regresión.
El coeficiente de la correlación r mide el grado de asociación lineal entre x e y. sin
embargo, es más utilizado el coeficiente de determinación r2que indica que tan correcto es
el estimado de la ecuación de la regresión, cuando más alto sea más confianza se podrá
tener en el estimado de la línea de regresión y se calcula por:

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 ]

Para determinar la desviación estándar de la variable dependiente se calcula por:

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 )

𝑙𝑛𝑦 = ln(𝑎) + 𝑔𝑙𝑛(𝑥)

Donde g es la tasa de crecimiento porcentual constante que se estima para el futuro.

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

La solución de la ecuación exige procedimientos bastante complejos para determinar el

valor de las constantes. Sin embargo en la actualidad existen programas computacionales
disponibles que facilitan su cálculo. En términos generales, la lógica de la solución es la
subyace en los modelos de regresión lineal, es decir haciendo uso del método de mínimos
cuadrados ordinario o de máxima verosimilitud, estos pueden identificar las relaciones
entre las variables.

2.2.2.- Modelo de econométrico

Según los diferentes autores se tienen las siguientes definiciones:

Dervitsiotis: “es un sistema de ecuaciones estadísticas que interrelacionan a la actividades

de diferentes sectores de la economía y ayudan a evaluar la repercusión sobre la demanda
de un producto o servicio”, en este sentido es una prolongación del análisis de regresión.

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

Donde 𝑄𝑜 es una cantidad ofrecida, 𝑄𝑑 cantidad demandada, s es el cambio en el

inventario de productos terminados, X el nivel de exportaciones y M el nivel de
importaciones.

El modelo econométrico no admite externalidades de ningún tipo, ni por eventuales

cambios derivados de la expansión de la producción o por rendimientos operativos
fluctuantes que afecten los niveles productivos, por eso señala que es un modelo a corto
plazo.

2.2.3.- Modelo insumo - producto

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.

Para estimar la demanda de un sector específico, el modelo descompone la demanda entre

bienes finales e intermedios y establece sus relaciones utilizando los denominados
coeficientes técnicos. Este método es adecuado cuando la demanda de un sector está en
estrecha relación con el nivel de actividad del sector y los demás elementos que puedan
estar determinándola son de poca significación.

Lo que básicamente busca este modelo es determinar el grado de repercusión que la

actividad de un sector tiene sobre restantes, y se utiliza la metodología de análisis de
regresión.

2.3.- Modelos de Series de Tiempo

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.

El objetivo del análisis de una serie de tiempo es el conocimiento de su patrón de

comportamiento, para así poder prever su evolución en el futuro cercano, suponiendo por
supuesto que las condiciones no variarán significativamente.

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

Fig.1. Representación de una serie temporal

2.3.2.- Componentes de una serie temporal

a) Tendencia

La tendencia es un movimiento de larga duración que muestra la evolución general de la

serie en el tiempo.

La tendencia es un movimiento que puede ser estacionario o ascendente, y su recorrido, una

línea recta o una curva. Algunas de las posibles formas son las que se muestran en la fig.2

Fig.2. Representación de la tendencia

La tendencia es un movimiento que puede ser estacionario o ascendente o descendente
como se indica en la fig.3

Fig. 3 Tendencias ascendente, estacionaria y descendente

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

Fig.4 Líneas de tendencia de otras posibles formas.

b) Variaciones estacionales.

Se habla de este tipo de variaciones usualmente cuando el comportamiento de la variable en

el tiempo en un periodo está relacionado con la época o un periodo particular, por lo
general en el espacio cronológico presente.
 Fig. 5 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.

2.3.3.- Análisis de la Tendencia

En la práctica es difícil distinguir la tendencia del comportamiento cíclico. Por ejemplo la

gráfica puede conducirnos a concluir que existe una tendencia ascendente en la parte de
1980 a 1982, pero esto es una parte de la serie de tiempo más grande.
 Fig, 6 Tendencias decrecientes, crecientes entre periodos de tiempo

a) Método Gráfico

Mediante este método muy elemental se determina la tendencia a partir de una

representación grafica de la serie.la aplicación de este método es como sigue

 Se representa gráficamente la serie cronológica

 Se unen los extremos superiores de la serie, se hace los mismo con los inferiores
 Se obtiene dos líneas que encierran a la serie original
 Uniendo los puntos medios de las distancias entre las dos líneas o curvas se obtiene
la tendencia. La línea o curva de tendencia obtenida tendrá un trazad mucho más
suave que la serie original.

Fig. 7 Representación tendencia estacionaria

b) Método de las medias móviles

Para este método se deben de considerar los siguientes pasos que se detallan

 Observar con detenimiento la serie para determinar aproximadamente la fluctuación

con periodo más largo y llamamos al número de observaciones que forman una
oscilación compleja.
 Se procede a calcular una serie de medias. La primera de ellas se calcula a partir de
las primeras observaciones de la serie pero eliminando la primera observación y
añadiendo a la inmediata posterior. Se prosigue así hasta calcular la media de la
última q observaciones.
  Cada una de las medias obtenidas en el paso anterior se asigna al instante o
momento central del periodo temporal que promedian.
 Uniendo las medias se obtiene la tendencia.

2.3.4.- APLICACIÓN

Caso 1: Producción de Motocicletas en una empresa japonesa, periodo 1974 - 1990

En la siguiente tabla se tiene la producción de motocicletas de una empresa (en millones de

motos) en un periodo de 17 años que se muestra en la tabla Nº 1

Tabla Nº1

Venta de Motocicletas en un periodo de 17 años

(Producción en millones de motocicletas)

Años Producción Años Producción Años Producción

1974 2.1 1980 2.2 1986 2.1
1975 1.9 1981 2.0 1987 1.9
1976 1.7 1982 1.8 1988 1.5
1977 1.5 1983 1.7 1989 1.4
1978 1.6 1984 1.9 1990 2.5
1979 2.0 1985 2.4 ---- -----

Se traslada los datos a Microsoft Excel, ordenados en dos columnas, luego se realiza la
gráfica de los datos.

Se obtiene la gráfica mostrada en la fig.8

 Fig. 8 Representación de la serie de tiempo para las motocicletas por año

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.

Utilizando el método de la media móvil

Se construye una nueva tabla con las medias móviles

Esto es para suavizar la distribución de puntos

Fig. 9 Serie original y serie suavizada por los promedios móviles

Hallando la línea de tendencia

En Microsoft Excel, la línea de tendencia para la curva suavizada se obtiene fácilmente y se
nuestra en la fig 10

Fig. 10. Línea de tendencia con R2 = 0.4169

El coeficiente de determinación es muy pequeño por lo que no se puede asegurar

categóricamente que la ecuación lineal hallada es la que pronostica la producción en los
años posteriores.

Será necesario realizar un segundo arreglo con medias móviles

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

Fig.11 Suavizando la línea de tendencia por segunda vez

La fig. 11 muestra la segunda suavizada de la línea de tendencia, no ha variado mucho con

respecto a la primera.