Un mercado se ha segmentado atendiendo al modelo de Belson de criterios desagregados, obteniénd

igual a 870. Para ello, se ha utilizado un solo criterio, descompuesto en tres clases o segmentos. S
potenciales (o efectivos) del segundo segmento son 1.160 individuos y que a1 y a3 (% o tasas de con
tasa de compra media del mercado, Calcule la diferencia porcentual existente entre los consumidore
los consumidores del segundo segmento (a2)

SEGMENTOS Efectivos (Ai) o Consumidores Tasa media (ai) o %

Mercado potencial Ci consumo
S1 A1 C1 a1 (<p)
S2 1.16 C2 a2
S3 A3 C3 a3 (<p)
TOTAL AT CT aT = p

Se agrupa el segmento 1 con el 3 por tener ambas un ai < p , con lo que quedaría:

Segmentos Mercado Potencial Consumidores % Consumo

S1 + S3 A'1 C'1 a´1
S2 1.16 C2 a2
TOTAL AT CT aT = p

ai=𝐶𝑖/�
Fórmulas por segmentación de Belson: 𝑖
�=|𝑟𝑒𝑎𝑙 −𝑡𝑒ó𝑟𝑖𝑐�|= |𝑎𝑖 𝑥 �𝑖 −𝑝 𝑥 �𝑖 |

Como D = 870 , se reemplaza los datos en la fórmula:

870 =|𝑎2 𝑥 �2 −𝑝 𝑥 �2 |
870 =|𝑎2 𝑥 1.160 −𝑝 𝑥 1.160 |

870 =1.160𝑥|𝑎2 −𝑝 |
|𝑎2 −𝑝 |=0.75
 desagregados, obteniéndose un poder discriminante
es clases o segmentos. Sabiendo que los clientes
a1 y a3 (% o tasas de consumo) son menores que la
nte entre los consumidores totales del mercado (p) y
mento (a2)
En el año 2015 la empresa Fruitberry Perú S.A.C estaba iniciando en la venta de mermeladas light de v
CASMA Y HUAMEY y tambien que se hizo una encuesta a 100 personas de los 3 lugares. Hallar el merc

MERCADO POTENCIAL

GEOGRAFICA
SEGÚN EL INEI PARA EL AÑO 2015 CADA ZONA TENÍA LA ELEGIDA LA SIGUIENTE POBLACION

DEMOGRAFICA
Teniendo en cuenta que la mayoria de consumidores de comer algo saludable esta en las edades de

SOCIECONOMICA
Personas de los segmentos A y B

TOTAL DE MERCADO POTENCIAL

MERCADO DISPONIBLE

Según la encuesta realizada se obtuvo el siguiente resultado a la pregunta de comer sano, quien es e
tendrian de ademas la necesidad la intencion de comprar el producto
 MERCADO DISPONIBLE
SANTA
CASMA
HUARMEY
TOTAL

MERCADO OBJETIVO

Según la encuesta estas personas si estan

dispuestas a comprar nuestro producto y es la
demanda hacer atendida
DISPOSICIÓN DE COMPRA
DEFINITAMENTE SI
SI
QUIZAS
NO
DEFINITAMENTE NO
TOTAL

MERCADO OBJETIVO
SANTA
CASMA
HUARMEY
TOTAL
n la venta de mermeladas light de vegetales; teniendo en cuenta que ellos quieren comercializar su producto en 3 zonas de la region: SANT
onas de los 3 lugares. Hallar el mercado objetivo.

A LA SIGUIENTE POBLACION

POBLACION 2015
SANTA 438290
CASMA 47478
HUARMEY 30744
TOTAL 516512

go saludable esta en las edades de 20 a 60 años, según el INEI

RANGO DE EDAD
20-24 12.20%
25-39 21.60%
40-60 19.50%
TOTAL 53.30%

NSE
A 32%
B 54%
TOTAL 86%

MERCADO POTENCIAL
SANTA 200903
CASMA 21763
HUARMEY 14092
TOTAL 236759

COMER SANO #ENCUESTA %

pregunta de comer sano, quien es el mercado que SI 75 75.0%
ucto NO 25 25.0%
 TOTAL 100 100%

CADO DISPONIBLE
150678
16322
10569
177569

#ENCUESTAS %
6 6.0%
60 60.0%
29 29.0%
2 2.0%
3 3.0%
100 100%

RCADO OBJETIVO
9041 =E50*F$59
979 =E51*F$59
634 =E52*F$59
10654 =SUM(E68:E70)
n 3 zonas de la region: SANTA,
 ANALISIS DE REGRESIÓN LINEAL SIMPLE

El gerente general de una corporación, necesita predecir el nivel de demanda de los servicios de ingeniería que su empr
proporciona a una planta agroindustrial de exportación de mangos. Por eso el gerente pidío a unos de sus ingenieros, que
un análisis de regresión lineal simple sobre datos históricos, para poder ayudarlo a planear mejor sus operaciones. Se tie
siguiente información:

Ventas de servicios Monto total de contratos

Año Trimestre (miles de $) liberados (miles de $)
Q1 8 150
Q2 10 170
1
Q3 15 190
Q4 9 170
Q1 12 180
Q2 13 190
2
Q3 12 200
Q4 16 220

Periodo Ventas (y) Contratos (x) x2 xy

1 8 150 22500 1200
2 10 170 28900 1700
3 15 190 36100 2850
4 9 170 28900 1530
5 12 180 32400 2160
6 13 190 36100 2470
7 12 200 40000 2400
8 16 220 48400 3520
Totales 95 1470 273300 17830

La ecuación lineal es: y = a + bx

Se utiliza las siguiente fórmulas para determinar a y b:

a=(∑▒ 〖𝑥 ^2 ∑▒𝑦−∑▒ 〖𝑥∑ b=(𝑛∑▒ 〖𝑥𝑦−∑▒〖𝑥∑▒𝑦〗〗 )

▒𝑥𝑦〗〗 )/(𝑛∑▒ 〖𝑥 ^2− /(𝑛∑▒ 〖𝑥 ^2−(∑▒𝑥)^2 〗 )
(∑▒𝑥)^2 〗 )
Para: a= -9.671
b= 0.117

Reemplazando a y b, la ecuación de regresión es:

y = - 9.671 + 0.1173X
icios de ingeniería que su empresa
a unos de sus ingenieros, que hiciera
r mejor sus operaciones. Se tiene la

y2
64
100
225
81
144
169
144
256
1183

𝑥∑▒𝑦〗〗 )
𝑥)^2 〗 )
MÉTODO BELSON PARA SEGMENTAR EL MERCADO
Se ah encuestado aun grupo de 100 personas, para saber sí aceptan el nuevo producto lanzado al mercado. En el siguiente cuadro se tien
2n segmentos, siendo n el número de variables explicativas: el sexo y la edad . La media global de encuestados que están de acuerdo es d
siguiente cuadro con la información:

Sexo Sí % No %
Hombre 10 20,00% 40 80,00%
Mujer 30 60,00% 20 40,00%

Edad Sí % No %
Jóvenes (<30) 14 43.75% 18 56,25%
Adultos (de 30 a 50) 14 31.82% 30 68,18%
Mayores (>50) 12 50.00% 12 50,00%

El número de variables explicativas es 2: el sexo y la edad. Por lo tanto, el número de segmentos se tiene que reducir a 4 = (22)

1. Segmento de jóvenes y mayores: ya que sus respectivas medias (43,75% y 50,00%), superan la media global (40%).
2. Segmento de adultos: ya que su media (31,82%) es inferior a la media global (40%).

Los datos de los cuatro segmentos definitivos serían:

Sexo Sí % No %
Hombre 10 20,00% 40 80,00%
Mujer 30 60,00% 20 40,00%

Edad Sí % No %
Jóvenes y mayores 26 46.88% 30 53,57%
Adultos 14 31,82% 30 68,18%

Llegados a este punto, definimos el poder discriminante (D) de una variable explicativa, como la diferencia (en valor absoluto) entre el valor o

Cuanto > sea D, > será la capacidad explicativa de la variable. Si D = 0 , la variable no tendría relación con la característica explicada.

En nuestro caso, para un estado igual a “Sí”, el poder discriminante de las dos variables se obtendría a partir de la siguiente fó

�=|𝑆í (𝑟𝑒𝑎𝑙)−𝑆í (𝑡𝑒ó𝑟𝑖𝑐�)|

Calculando de nuevo, se tiene:

Sexo Sí (real) Sí (teórico) D = I Sí (real)- Sí (teórico) I

Hombre 10 20 10
Mujer 30 20 10

Edad Sí (real) Sí (teórico) D = I Sí (real)- Sí (teórico) I

Jóvenes y mayores 26
ercado. En el siguiente cuadro se tiene una muestra en
uestados que están de acuerdo es del 40%. Se tiene el

os se tiene que reducir a 4 = (22)

), superan la media global (40%).

ia (en valor absoluto) entre el valor observado o real y su valor teórico (aplicando la media global de la muestra)

on la característica explicada.

e obtendría a partir de la siguiente fórmula:

 Un gerente de inventarios, desea desarrollar un sistema de pronóstico a corto plazo para estimar el volumen de inventario
demanda de inventario por lo general ha sido estable, con algunas ligeras fluctuaciones aleatorias de una semana a la sigui
utilizará un promedio móvil de 3, 5 o 7 semanas. Antes de tomar una desición, el gerente decidió comprar la precisión de cad
Para ello se tiene la siguiente información

Pronóstico
Demanda real de inventarios (miles
Semana Cant. Periodos Prom. 3 Cant. Periodos Prom.
de dólares)
semanas 5 semanas
1 100
2 125
3 90
4 110
5 105
6 130
7 85
8 102 106.7 104.0
9 110 105.7 106.4
10 90 99.0 106.4
11 105 100.7 103.4
12 95 101.7 98.4
13 115 96.7 100.4
14 120 105.0 103.0
15 80 110.0 105.0
16 95 105.0 103.0
17 100 98.3 101.0

Se calcula la desviación media absoluta (MAD) de los 3 pronósticos:

Demanda real de inventarios (miles

Semana Cant. Periodos Prom. 3 Desviación absoluta
de dólares)
semanas

8 102 106.7 -4.7

9 110 105.7 4.3
10 90 99.0 -9.0
11 105 100.7 4.3
12 95 101.7 -6.7
13 115 96.7 18.3
14 120 105.0 15.0
15 80 110.0 -30.0
16 95 105.0 -10.0
17 100 98.3 1.7
 Desviación absoluta total (ME)
Desviación absoluta media (MEA)
mar el volumen de inventario que fluye de su almacén todas las semanas. El gerente cree que la
ias de una semana a la siguiente. Un analista de las oficinas centrales de la empresa sugirió que
comprar la precisión de cada una de ellas en relación con el precio de diez semanas más reciente.
siguiente información

óstico
Cant. Periodos Prom.
7 semanas

106.4
106.7
104.6
104.6
103.9
102.4
100.3
105.3
102.1
100.0

Pronóstico

Cant. Periodos Prom. Desviación absoluta Cant. Periodos Prom. 7

Abs(et ) 5 semanas Abs(et ) semanas

4.7 104 -2.0 2.0 106.4

4.3 106.4 3.6 3.6 106.7
9.0 106.4 -16.4 16.4 104.6
4.3 103.4 1.6 1.6 104.6
6.7 98.4 -3.4 3.4 103.9
18.3 100.4 14.6 14.6 102.4
15.0 103 17.0 17.0 100.3
30.0 105 -25.0 25.0 105.3
10.0 103 -8.0 8.0 102.1
1.7 101 -1.0 1.0 100.0
3 semana 5 semana 7 semana
-2 -1.9 -2.4
10 9.3 9.6
Desviación absoluta Abs(et )
-4.4 4.4
3.3 3.3
-14.6 14.6
0.4 0.4
-8.9 8.9
12.6 12.6
19.7 19.7
-25.3 25.3
-7.1 7.1
0.0 0.0
 En el estudio del mercado para introducir un nuevo detergente para lavavajillas se requiere
los vendedores, un 37% de los actuales consumidores estarían dispuestos a comprar el nuev
meses y su precio de venta unitario será de $2.000. Las familias que tienen lavavajillas han a

Compradores del
Año Lavavajillas Dinero
PERIODO nuevo detergente
1994 1 18.408
1995 2 18.447
1996 3 20.667
1997 4 21.198
1998 5 22.778
1999 6 25.276
2000 7 30.045
2001 8 33.098
2002 9 39.848
2003 10 42.414
2004 11 47.851
2005 12 54.599
2006 13 58.349
2007 14 62.99
2008 15 69.344
2009 16 72.732
2010 17 73.0774 27.038638
2011 18 76.9832 28.483784
2012 19 80.889 29.92893 359147.16
2013 20 84.7948 31.374076 376488.912
2014 21 88.7006 32.819222 393830.664
2015 22 92.6064 34.264368 411172.416
2016 23 96.5122 35.709514 428514.168
2017 24 100.418 37.15466 445855.92
2018 25 104.3238 38.599806 463197.672
2019 26 108.2296 40.044952 480539.424
2020 27 112.1354 41.490098 497881.176
2021 28 116.0412 42.935244 515222.928
2022 29 119.947 44.38039 532564.68
 vo detergente para lavavajillas se requiere proyectar las ventas para 10 años a partir de 2012. Según esti
dores estarían dispuestos a comprar el nuevo detergente. Cada caja (1 litro) de detergente dura en prom
00. Las familias que tienen lavavajillas han aumentado de la forma que se muestra en la siguiente tabla.

Resumen Estimacion de nuevos compradores

precio de detergente
Estadísticas de la regresión tiempo de compra
Coeficiente de correlación múltiple 0.9803912071
Coeficiente de determinación R^2 0.961166919
R^2 ajustado 0.9583931275
Error típico 3.8688485205
Observaciones 16

ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados
Regresión 1 5186.668052753
Residuos 14 209.5518442471
Total 15 5396.219897

Coeficientes Error típico

Intercepción 6.67885 2.0288412803
Variable X 1 3.9057529412 0.2098177702

Chart Title
80
70
f(x) = 3.9057529412x + 6.67885
60 R² = 0.961166919
50
Axis Title

40
30
20
10
0
0 2 4 6 8 10 12 14 16
Axis Title
partir de 2012. Según estimación de
detergente dura en promedio dos
tra en la siguiente tabla.

0.37

2000
6 veces x año

Promedio de los cuadrados F Valor crítico de F

5186.668052753 346.517364 2.8382E-11
14.9679888748

Estadístico t Probabilidad Inferior 95% Superior 95%Inferior 95.0%

Superior 95.0%
3.2919529314 0.00534722 2.32741823 11.0302818 2.32741823 11.0302818
18.6149768797 2.8382E-11 3.45573858 4.3557673 3.45573858 4.3557673

Col umn C
Li nea r (Col umn C)

14 16 18