clase
DESCRIPTION
Introduccion a tecnicas proyectualesTRANSCRIPT
![Page 1: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/1.jpg)
© 2006 Prentice Hall, Inc. 4 – 1
Formulación y evaluación Formulación y evaluación de proyectosde proyectos
El mercadoEl mercado
Modelos de proyecciónModelos de proyección
![Page 2: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/2.jpg)
© 2006 Prentice Hall, Inc. 4 – 2
Estructura del Estudio de Estructura del Estudio de MercadoMercado
Cuantificación de la demandaCuantificación de la demanda
Cuantificación de la ofertaCuantificación de la oferta
Análisis de preciosAnálisis de precios
Estudio de comercializaciónEstudio de comercialización
Conclusiones del análisis de Conclusiones del análisis de mercadomercado
![Page 3: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/3.jpg)
© 2006 Prentice Hall, Inc. 4 – 3
Objetivos del estudio de Objetivos del estudio de mercadomercado
Ratificar la existencia de una Ratificar la existencia de una necesidad insatisfecha.necesidad insatisfecha.
Conocer los medios que se emplean Conocer los medios que se emplean para hacer llegar los bienes a los para hacer llegar los bienes a los usuariosusuarios
Detectar y conocer la ventaja Detectar y conocer la ventaja competitiva del proyecto dentro del competitiva del proyecto dentro del mercadomercado
Dar una idea del riesgoDar una idea del riesgo
![Page 4: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/4.jpg)
© 2006 Prentice Hall, Inc. 4 – 4
Objetivos del estudio de Objetivos del estudio de mercadomercado
• Proyectos PrivadosProyectos Privados (generadores de (generadores de ingresos):determinar la cantidad de bienes ingresos):determinar la cantidad de bienes y/o servicios provenientes de la nueva y/o servicios provenientes de la nueva unidad productora, que en una cierta área unidad productora, que en una cierta área geográfica y bajo determinadas geográfica y bajo determinadas condiciones de Precio y Cantidad, la condiciones de Precio y Cantidad, la comunidad estaría dispuesta a Adquirir comunidad estaría dispuesta a Adquirir para Satisfacer sus necesidadespara Satisfacer sus necesidades..
Recopilar información de carácter económico que Recopilar información de carácter económico que repercuta en la composición del flujo de caja del repercuta en la composición del flujo de caja del Proyecto.Proyecto.
![Page 5: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/5.jpg)
© 2006 Prentice Hall, Inc. 4 – 5
Objetivos del estudio de Objetivos del estudio de mercadomercado
• Proyectos socialesProyectos sociales: Estiman necesidades : Estiman necesidades colectivas tengan o no un respaldo de colectivas tengan o no un respaldo de poder adquisitivopoder adquisitivo
• Análisis social de la demandaAnálisis social de la demanda::
Cuantas personas requieren la satisfacción Cuantas personas requieren la satisfacción de la necesidad.de la necesidad.
Con qué tipo de producto (Bien o Servicio)Con qué tipo de producto (Bien o Servicio)
Dentro de qué restricciones y con qué Dentro de qué restricciones y con qué criterio de distribución de precios a los criterio de distribución de precios a los usuarios.usuarios.
![Page 6: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/6.jpg)
© 2006 Prentice Hall, Inc. 4 – 6
ESTRUCTURA DE ANÁLISIS DEL MERCADO DE UN PROYECTOESTRUCTURA DE ANÁLISIS DEL MERCADO DE UN PROYECTO
MERCADO CONSUMIDOR
MERCADO PROVEEDOR
ANALISIS DEL MERCADO
ANÁLISIS DE LA OFERTA
ANÁLISIS DE LA DEMANDA
ANÁLISIS DE LOS PRECIOS
ANÁLISIS DE LA COMERCIALIZACIÓN
CONCLUSIONES DEL ANÁLISIS DEL
MERCADO
MERCADO COMPETIDOR ESTRUCTURA
DEL MERCADO
MERCADO DISTRIBUIDOR
MERCADOEXTERNO
VARIABLES MACROECONOMICAS
ENTORNO DEL MERCADO
![Page 7: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/7.jpg)
© 2006 Prentice Hall, Inc. 4 – 7
SEGUNDO FACTOR CLAVESEGUNDO FACTOR CLAVE SELECCIÓN DE UNA SELECCIÓN DE UNA PARA LA GENERACIÓN DE PARA LA GENERACIÓN DE TÉCNICA DE TÉCNICA DE UN PRONÓSTICOUN PRONÓSTICO PRONÓSTICOPRONÓSTICO
Se basan en el juicio humano y Se basan en el juicio humano y en la intuición:en la intuición: Método DelphiMétodo Delphi
Curvas de CrecimientoCurvas de Crecimiento
Escritura de EscenariosEscritura de Escenarios
Grupos de Enfoque Grupos de Enfoque
Son importantes en el Esquema Son importantes en el Esquema General de PronósticosGeneral de Pronósticos
Se utilizan cuando existen Se utilizan cuando existen suficientes datos históricos y cuando suficientes datos históricos y cuando se juzga que estos datos son se juzga que estos datos son representativos de un Futuro representativos de un Futuro desconocidodesconocido
Se apoyan en la suposición de que el Se apoyan en la suposición de que el pasado puede extenderse al futuro de pasado puede extenderse al futuro de manera significativa para manera significativa para proporcionar pronósticos precisos.proporcionar pronósticos precisos.
CUALITATIVAS CUANTITATIVAS
![Page 8: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/8.jpg)
© 2006 Prentice Hall, Inc. 4 – 8
¿¿Qué es la previsiónQué es la previsión??
Arte y ciencia de Arte y ciencia de predecir actos predecir actos futurosfuturos
Subyacente a toda Subyacente a toda clase de decisiones.clase de decisiones. ProducciónProducción
InventariosInventarios
PersonalPersonal
InstalacionesInstalaciones
??
![Page 9: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/9.jpg)
© 2006 Prentice Hall, Inc. 4 – 9
Previsión a corto plazoPrevisión a corto plazo Hasta un año, generalmente menor a 3 mesesHasta un año, generalmente menor a 3 meses
Compras, progamacion de trabajo, nivel de Compras, progamacion de trabajo, nivel de mano de obra, tareas, niveles de producciónmano de obra, tareas, niveles de producción
Previsión a mediano plazoPrevisión a mediano plazo De 3 meses a 3 añosDe 3 meses a 3 años
Ventas y planeación de producción, Ventas y planeación de producción, presupuestospresupuestos
Previsión a largo plazoPrevisión a largo plazo + de 3 años+ de 3 años
Nuevos productos, expansión de la planta, Nuevos productos, expansión de la planta, investigación y desarrolloinvestigación y desarrollo..
Horizonte temporal de la Horizonte temporal de la previsiónprevisión
![Page 10: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/10.jpg)
© 2006 Prentice Hall, Inc. 4 – 10
Distinción: corto y largo plazoDistinción: corto y largo plazo
Medio y largo: Medio y largo: Tratan cuestiones globales Tratan cuestiones globales y sirven de base a las decisiones de y sirven de base a las decisiones de gestión referentes a planificación y gestión referentes a planificación y productos, plantas y procesos.productos, plantas y procesos.
Corto plazoCorto plazo utilizan diferentes utilizan diferentes metodologías que las de largo plazometodologías que las de largo plazo
Corto plazo tiendenCorto plazo tienden a ser mas exactas, a ser mas exactas, ejemplo los factores que influyen en la ejemplo los factores que influyen en la demanda suceden a diariodemanda suceden a diario..
![Page 11: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/11.jpg)
© 2006 Prentice Hall, Inc. 4 – 11
Influencia en el ciclo de vida Influencia en el ciclo de vida del productodel producto
La introducción y crecimiento requieren La introducción y crecimiento requieren previsiones mas largas que las otras.previsiones mas largas que las otras.
Las previsiones que reflejan el ciclo de Las previsiones que reflejan el ciclo de vida son útiles para proyectar diferentes vida son útiles para proyectar diferentes variables de interésvariables de interés Nivel de personalNivel de personal
InventariosInventarios
Capacidad de producciónCapacidad de producción
Introducción –crecimiento – madurez – Declive
![Page 12: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/12.jpg)
© 2006 Prentice Hall, Inc. 4 – 12
Ciclo de vida del productoCiclo de vida del producto
Mejor periodo para Mejor periodo para incrementar incrementar participación en el participación en el mercadomercado
Factible cambiar Factible cambiar precio y calidadprecio y calidad
Fortalecer nichoFortalecer nicho
No factible cambiar No factible cambiar precio o calidadprecio o calidad
Cuidar la Cuidar la participación del participación del mercadomercado
Crítico control de Crítico control de costoscostos
Introducción Crecimiento Madurez Declive
Est
rate
gias
de
la c
omp
añia
Est
rate
gias
de
la c
omp
añia
InternetInternet
LCDLCD
VentasVentas
DVDDVD
CD-ROMCD-ROM FaxFax
3 1/2” 3 1/2” Floppy Floppy disksdisks
![Page 13: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/13.jpg)
© 2006 Prentice Hall, Inc. 4 – 13
Tipos de previsionesTipos de previsiones
Previsiones económicasPrevisiones económicas Ciclo económico, tasa de inflación, masa Ciclo económico, tasa de inflación, masa
monetaria, indicadores económicosmonetaria, indicadores económicos
Previsiones tecnológicasPrevisiones tecnológicas Ritmo de progreso tecnológicoRitmo de progreso tecnológico
Impacto en el desarrollo de nuevos Impacto en el desarrollo de nuevos productosproductos
Proyecciones de demandaProyecciones de demanda Ventas de los productos o serviciosVentas de los productos o servicios..
![Page 14: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/14.jpg)
© 2006 Prentice Hall, Inc. 4 – 14
Importancia estratégica de Importancia estratégica de la previsiónla previsión
Recursos humanos – contratos, Recursos humanos – contratos, formación, despidosformación, despidos
Capacidad – Capacidad insuficiente Capacidad – Capacidad insuficiente puede ocasionar incumplimento de puede ocasionar incumplimento de entregas, perdidas de clientes y cuota de entregas, perdidas de clientes y cuota de mercadomercado
Cadena de valor – Buenas relaciones con Cadena de valor – Buenas relaciones con los suministradores y ventaja de precios los suministradores y ventaja de precios de insumosde insumos
![Page 15: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/15.jpg)
© 2006 Prentice Hall, Inc. 4 – 15
Etapas de la previsiónEtapas de la previsión
Seleccionar los ítems a previsionarSeleccionar los ítems a previsionar
Definir el horizonte temporal de la Definir el horizonte temporal de la previsiónprevisión
Seleccionar el modelo de previsiónSeleccionar el modelo de previsión
Recopilar los datosRecopilar los datos
Realizar la previsiónRealizar la previsión
Validar e implementar resultadosValidar e implementar resultados
![Page 16: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/16.jpg)
© 2006 Prentice Hall, Inc. 4 – 16
La Realidad!La Realidad!
Raramente son perfectasRaramente son perfectas
La mayoría supone que el sistema La mayoría supone que el sistema tiene cierta estabilidadtiene cierta estabilidad
Las previsiones de familia de Las previsiones de familia de productos como las agregadas son productos como las agregadas son mas precisas que las individualesmas precisas que las individuales
![Page 17: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/17.jpg)
© 2006 Prentice Hall, Inc. 4 – 17
Enfoques de previsiónEnfoques de previsión
Usada cuando la previsión es Usada cuando la previsión es imprecisa y no hay suficientes imprecisa y no hay suficientes datosdatos Productos nuevosProductos nuevos
Nueva tecnologíaNueva tecnología
Incorporan factores como la Incorporan factores como la intuición, experienciaintuición, experiencia
Métodos cualitativosMétodos cualitativos
![Page 18: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/18.jpg)
© 2006 Prentice Hall, Inc. 4 – 18
Enfoques de previsiónEnfoques de previsión
Cuando la situación es estable y Cuando la situación es estable y existen datos históricosexisten datos históricos Productos existentesProductos existentes
Tecnología actualTecnología actual
Emplean técnicas matemáticasEmplean técnicas matemáticas Ej.: Previsión de ventas de televisores Ej.: Previsión de ventas de televisores
a colora color
Métodos cuantitativosMétodos cuantitativos
![Page 19: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/19.jpg)
© 2006 Prentice Hall, Inc. 4 – 19
Perspectiva general del Perspectiva general del método cualitativométodo cualitativo
Jurado de opinión ejecutivaJurado de opinión ejecutiva
Recoge la opinión de un Recoge la opinión de un pequeño grupo de directivos de pequeño grupo de directivos de alto nivel y se estima la demandaalto nivel y se estima la demanda
Método DelphiMétodo Delphi Proceso de grupo que permite a los Proceso de grupo que permite a los
expertos hacer previsionesexpertos hacer previsiones..
![Page 20: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/20.jpg)
© 2006 Prentice Hall, Inc. 4 – 20
Perspectiva general del Perspectiva general del metodo cualitativometodo cualitativo
Propuesta del personal de ventasPropuesta del personal de ventas Se basa en la estimación de las Se basa en la estimación de las
ventas esperadas por los vendedoresventas esperadas por los vendedores
Estudio de mercadoEstudio de mercado Requiere información de los clientes Requiere información de los clientes
actuales o potenciales con respecto a actuales o potenciales con respecto a planes de compra futurosplanes de compra futuros
![Page 21: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/21.jpg)
© 2006 Prentice Hall, Inc. 4 – 21
Perspectiva general de Perspectiva general de método cuantitativométodo cuantitativo
1.1. Enfoque simpleEnfoque simple
2.2. Medias móvilesMedias móviles
3.3. Alisado Alisado exponencialexponencial
4.4. Proyección de Proyección de tendenciatendencia
5.5. Regresión linealRegresión lineal
Modelo de Modelo de series series
temporalestemporales
Modelo Modelo causalcausal
![Page 22: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/22.jpg)
© 2006 Prentice Hall, Inc. 4 – 22
Secuencia de datos uniformemente Secuencia de datos uniformemente espaciados.espaciados.
Obtenidos de la observación del Obtenidos de la observación del comportamiento de la variable en el comportamiento de la variable en el pasadopasado
Los valores futuros son predichos Los valores futuros son predichos únicamente a partir de valores pasadosúnicamente a partir de valores pasados
Los factores que tuvieron influencia Los factores que tuvieron influencia en el pasado influenciaran el futuroen el pasado influenciaran el futuro
Previsión de series Previsión de series temporalestemporales
![Page 23: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/23.jpg)
© 2006 Prentice Hall, Inc. 4 – 23
Tendencia
Estacionalidad
Ciclo
Irregularidad
Componente de una serie Componente de una serie temporaltemporal
![Page 24: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/24.jpg)
© 2006 Prentice Hall, Inc. 4 – 24
Componentes de la demandaComponentes de la demandaD
eman
da p
or p
rodu
cto
o se
rvic
io
| | | |1 2 3 4
Años
Demanda media en cuatro años
Picos estacionales
Componente de tendencia
Demanda actual
Variación aleatoria
Figure 4.1Figure 4.1
![Page 25: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/25.jpg)
© 2006 Prentice Hall, Inc. 4 – 25
Movimiento gradual variación Movimiento gradual variación de valores en el tiempode valores en el tiempo
Cambio en la población, Cambio en la población, ingresos, gustos, etc.ingresos, gustos, etc.
Generalmente muchos años de Generalmente muchos años de duraciónduración
Componente tendenciaComponente tendencia
![Page 26: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/26.jpg)
© 2006 Prentice Hall, Inc. 4 – 26
Patrón de variabilidad de datos que Patrón de variabilidad de datos que se repite cada cierto número de díasse repite cada cierto número de días
Helados, cerveza, etc.Helados, cerveza, etc.
Ocurre dentro del año Ocurre dentro del año
Componente estacionalidadComponente estacionalidad
Número dePeriodo Duración estaciones
Semana Día 7Mes Semana 4-4.5Mes Día 28-31Año Trimestre 4Año Mes 12Año Semana 52
![Page 27: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/27.jpg)
© 2006 Prentice Hall, Inc. 4 – 27
Fluctuaciones arriba y abajoFluctuaciones arriba y abajo
Relacionados con ciclos Relacionados con ciclos económicoseconómicos
Varios años de duraciónVarios años de duración
Difícil predicciónDifícil predicción
Componente cicloComponente ciclo
00 55 1010 1515 2020
![Page 28: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/28.jpg)
© 2006 Prentice Hall, Inc. 4 – 28
Error, no sistemático, ‘residual’ Error, no sistemático, ‘residual’
No siguen ningún patrón No siguen ningún patrón perceptible, no se puede predecirperceptible, no se puede predecir
Corta duración y sin repeticiónCorta duración y sin repetición
Componente irregularidadComponente irregularidad
![Page 29: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/29.jpg)
© 2006 Prentice Hall, Inc. 4 – 29
Enfoque simpleEnfoque simple
Supone que la demanda del próximo Supone que la demanda del próximo periodo es igual a la del ultimo periodo es igual a la del ultimo periodoperiodo Si en Mayo vendimos 48 unidades en Si en Mayo vendimos 48 unidades en
Junio venderé 48Junio venderé 48
Para algunas líneas de productos es Para algunas líneas de productos es la mejor relación costo beneficiola mejor relación costo beneficio
![Page 30: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/30.jpg)
© 2006 Prentice Hall, Inc. 4 – 30
MM es una serie de promedios de MM es una serie de promedios de medias medias
Son útiles si se puede suponer que Son útiles si se puede suponer que las demandas serán constanteslas demandas serán constantes
Usadas para el alisadoUsadas para el alisado
Medias MóvilesMedias Móviles
Media móvil Media móvil ==∑ ∑ demanda de n periodos anterioresdemanda de n periodos anteriores
nn
![Page 31: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/31.jpg)
© 2006 Prentice Hall, Inc. 4 – 31
EneroEnero 1010FebreroFebrero 1212MarzoMarzo 1313AbrilAbril 1616MayoMayo 1919JunioJunio 2323JulioJulio 2626
Ventas realesVentas reales Media móvil de 3Media móvil de 3MesesMeses del artículodel artículo mesesmeses
(12 + 13 + 16)/3 = 13 (12 + 13 + 16)/3 = 13 22//33
(13 + 16 + 19)/3 = 16(13 + 16 + 19)/3 = 16(16 + 19 + 23)/3 = 19 (16 + 19 + 23)/3 = 19 11//33
Ejemplo de media móvilEjemplo de media móvil
101012121313
((1010 + + 1212 + + 1313)/3 = 11 )/3 = 11 22//33
![Page 32: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/32.jpg)
© 2006 Prentice Hall, Inc. 4 – 32
Utilizada cuando existe tendencia Utilizada cuando existe tendencia
Los datos mas viejos son Los datos mas viejos son menos importantesmenos importantes
Ponderación basada en la Ponderación basada en la experiencia e intuiciónexperiencia e intuición
Media móvil ponderadaMedia móvil ponderada
MediaMediamovil ponderadamovil ponderada ==
∑ ∑ ((ponderación del periodo n)ponderación del periodo n) x (demanda en el periodo n) x (demanda en el periodo n)
∑ ∑ PonderacionesPonderaciones
![Page 33: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/33.jpg)
© 2006 Prentice Hall, Inc. 4 – 33
EneroEnero 1010FebreroFebreroMarzoMarzo 1313AbrilAbril 1616MayoMayo 1919JunioJunio 2323JulioJulio 2626
VentasVentas media móvil ponderadamedia móvil ponderadaMesesMeses ActualesActuales de 3 mesesde 3 meses
[(3 x 16) + (2 x 13) + (12)]/6 = 14[(3 x 16) + (2 x 13) + (12)]/6 = 1411//33
[(3 x 19) + (2 x 16) + (13)]/6 = 17[(3 x 19) + (2 x 16) + (13)]/6 = 17[(3 x 23) + (2 x 19) + (16)]/6 = 20[(3 x 23) + (2 x 19) + (16)]/6 = 2011//22
Media móvil ponderadaMedia móvil ponderada
101012121313
[(3 x [(3 x 1313) + (2 x ) + (2 x 1212) + () + (1010)]/6 = 12)]/6 = 1211//66
Peso aplicado Periodo
3 último mes2 2 meses atrás1 3 meses atrás6 Suma de pesos
![Page 34: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/34.jpg)
© 2006 Prentice Hall, Inc. 4 – 34
Si aumenta n hace que el método Si aumenta n hace que el método sea menos sensible a cambios sea menos sensible a cambios reales en los datosreales en los datos
No captan bien las tendenciasNo captan bien las tendencias
Requieren muchos datos Requieren muchos datos históricoshistóricos
Problemas con lasProblemas con las Medias móviles Medias móviles
![Page 35: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/35.jpg)
© 2006 Prentice Hall, Inc. 4 – 35
Media móvil y media móvil Media móvil y media móvil ponderadaponderada
30 30 –
25 25 –
20 20 –
15 15 –
10 10 –
5 5 –
Dem
an
daD
ema
nda
| | | | | | | | | | | |
EE FF MM AA MM JJ JJ AA SS OO NN DD
Ventas Ventas realesreales
Media móvilMedia móvil
media móvil media móvil ponderadaponderada
![Page 36: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/36.jpg)
© 2006 Prentice Hall, Inc. 4 – 36
Sofisticada previsión de medias móviles Sofisticada previsión de medias móviles ponderadasponderadas Los pesos declinan exponencialmenteLos pesos declinan exponencialmente
Mayores pesos a datos recientesMayores pesos a datos recientes
Requiere una constante de alisado Requiere una constante de alisado ((αα )) Rango de 0 a 1Rango de 0 a 1
Elegidos subjetivamenteElegidos subjetivamente
Requiere pocos datos del pasadoRequiere pocos datos del pasado
Alisado exponencialAlisado exponencial
![Page 37: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/37.jpg)
© 2006 Prentice Hall, Inc. 4 – 37
Alisado ExponencialAlisado Exponencial
Nueva previsión = previsión del último periodoNueva previsión = previsión del último periodo+ + αα (demanda real del útlimo periodo (demanda real del útlimo periodo – previsión del último periodo)– previsión del último periodo)
FFtt = F = Ft – 1t – 1 + + αα(A(At – 1t – 1 - F - Ft – 1t – 1))
DondeDonde FFtt == Nueva previsiónNueva previsión
FFt – 1t – 1 == previsión anteriorprevisión anterior
αα == Cte. de alisado (o ponderación) Cte. de alisado (o ponderación) constante (0 constante (0 ≤≤ αα ≥≥ 1) 1)
AAt – 1t – 1 == Demanda real anteriorDemanda real anterior
![Page 38: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/38.jpg)
© 2006 Prentice Hall, Inc. 4 – 38
Ejemplo de alisado Ejemplo de alisado exponencialexponencial
Demanda prevista = 142 Ford MustangsDemanda prevista = 142 Ford MustangsDemanda actual = 153Demanda actual = 153Constante de alisado Constante de alisado αα = 0.20 = 0.20
![Page 39: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/39.jpg)
© 2006 Prentice Hall, Inc. 4 – 39
Ejemplo de alisado Ejemplo de alisado exponencialexponencial
Demanda prevista = 142 Ford MustangsDemanda prevista = 142 Ford MustangsDemanda actual = 153Demanda actual = 153Constante de alisado Constante de alisado αα = .20 = .20
Nueva previsión= Nueva previsión= 142 +0.2(153 – 142)142 +0.2(153 – 142)
= 142 + 2.2= 142 + 2.2
= 144.2 ≈ 144 autos= 144.2 ≈ 144 autos
![Page 40: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/40.jpg)
© 2006 Prentice Hall, Inc. 4 – 40
Impacto de diferentes Impacto de diferentes αα
225 225 –
200 200 –
175 175 –
150 150 –
| | | | | | | | |
11 22 33 44 55 66 77 88 99
TrimestresTrimestres
De
man
daD
em
anda
αα = .1= .1
DemandaDemandaactualactual
αα = 0.5= 0.5
![Page 41: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/41.jpg)
© 2006 Prentice Hall, Inc. 4 – 41
Elección de la constante Elección de la constante αα
El fin es obtener la previsión mas El fin es obtener la previsión mas exacta sin importar cual sea su técnicaexacta sin importar cual sea su técnica
La exactitud puede determinarse La exactitud puede determinarse comparando los valores previstos con los comparando los valores previstos con los realesreales
Error de previsiónError de previsión = Demanda actual - Previsión= Demanda actual - Previsión
= A= Att - F - Ftt
![Page 42: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/42.jpg)
© 2006 Prentice Hall, Inc. 4 – 42
Proyección de tendenciaProyección de tendencia
Ajusta una línea de tendencia a una serie de Ajusta una línea de tendencia a una serie de datos históricosdatos históricos
La linea de tendencia puede ser hallada La linea de tendencia puede ser hallada utilizando el método de los mínimos utilizando el método de los mínimos cuadradoscuadrados
y = a + bxy = a + bx^̂
donde ydonde y = = Valor calculado de la Valor calculado de la variable (variable dependiente)variable (variable dependiente)aa = Corte en el eje x= Corte en el eje xbb = Pendiente de la recta de = Pendiente de la recta de regresiónregresiónxx = Variable independiente = Variable independiente (tiempo)(tiempo)
^̂
![Page 43: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/43.jpg)
© 2006 Prentice Hall, Inc. 4 – 43
Método de mínimos Método de mínimos cuadradoscuadrados
Periodo de tiempoPeriodo de tiempo
Va
lore
s de
la v
aria
ble
depe
ndie
nte
DesvíoDesvío11
DesvíoDesvío55
DesvíoDesvío77
DesvíoDesvío2 2
DesvíoDesvío66
DevíoDevío44
DesvíoDesvío33
Observación real Observación real (valor de y)(valor de y)
Tendencia, y = a + bxTendencia, y = a + bx^̂
![Page 44: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/44.jpg)
© 2006 Prentice Hall, Inc. 4 – 44
Métodos de mínimos Métodos de mínimos cuadradoscuadrados
Periodo de tiempoPeriodo de tiempo
Va
lore
s de
la v
aria
ble
depe
ndie
nte
Figure 4.4Figure 4.4
DeviationDeviation11
DeviationDeviation55
DeviationDeviation77
DeviationDeviation22
DeviationDeviation66
DeviationDeviation44
DeviationDeviation33
Observación real Observación real (valor de y)(valor de y)
Tendencia, y = a + bxTendencia, y = a + bx^̂
El método minimiza los desvíos cuadráticos
![Page 45: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/45.jpg)
© 2006 Prentice Hall, Inc. 4 – 45
Métodos de mínimos Métodos de mínimos cuadradoscuadrados
Ecuaciones para calcular la rectaEcuaciones para calcular la recta
b =b =ΣΣxy - nxyxy - nxy
ΣΣxx22 - nx - nx22
y = a + bxy = a + bx^̂
a = y - bxa = y - bx
![Page 46: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/46.jpg)
© 2006 Prentice Hall, Inc. 4 – 46
Mínimos cuadrados ejemploMínimos cuadrados ejemplo
b = = = 10.54b = = = 10.54∑∑xy - nxyxy - nxy
∑∑xx22 - nx - nx22
3,063 - (7)(4)(98.86)3,063 - (7)(4)(98.86)
140 - (7)(4140 - (7)(422))
a = y - bx = 98.86 - 10.54(4) = 56.70a = y - bx = 98.86 - 10.54(4) = 56.70
Periodo dePeriodo de Energía eléctrica Energía eléctrica AñoAño Tiempo (x)Tiempo (x) demandademanda xx22 xyxy
19991999 11 7474 11 747420002000 22 7979 44 15815820012001 33 8080 99 24024020022002 44 9090 1616 36036020032003 55 105105 2525 52552520042004 66 142142 3636 85285220052005 77 122122 4949 854854
∑∑x = 28x = 28 ∑y = 692∑y = 692 ∑x∑x22 = 140 = 140 ∑xy = 3,063∑xy = 3,063x = 4x = 4 y = 98.86y = 98.86
![Page 47: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/47.jpg)
© 2006 Prentice Hall, Inc. 4 – 47
Mínimos cuadrados ejeMínimos cuadrados ejemplomplo
b = = = 10.54b = = = 10.54ΣΣxy - nxyxy - nxy
ΣΣxx22 - nx - nx22
3,063 - (7)(4)(98.86)3,063 - (7)(4)(98.86)
140 - (7)(4140 - (7)(422))
a = y - bx = 98.86 - 10.54(4) = 56.70a = y - bx = 98.86 - 10.54(4) = 56.70
Periodo dePeriodo de Energía eléctricaEnergía eléctricaAñoAño Tiempo (x)Tiempo (x) demandademanda xx22 xyxy
19991999 11 7474 11 747420002000 22 7979 44 15815820012001 33 8080 99 24024020022002 44 9090 1616 36036020032003 55 105105 2525 52552520042004 66 142142 3636 85285220052005 77 122122 4949 854854
ΣΣx = 28x = 28 ΣΣy = 692y = 692 ΣΣxx22 = 140 = 140 ΣΣxy = 3,063xy = 3,063x = 4x = 4 y = 98.86y = 98.86
La linea de tendencia es
y = 56.70 + 10.54x^
![Page 48: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/48.jpg)
© 2006 Prentice Hall, Inc. 4 – 48
Mínimos cuadrados ejemploMínimos cuadrados ejemplo
| | | | | | | | |19991999 20002000 20012001 20022002 20032003 20042004 20052005 20062006 20072007
160 160 –
150 150 –
140 140 –
130 130 –
120 120 –
110 110 –
100 100 –
90 90 –
80 80 –
70 70 –
60 60 –
50 50 –
AñosAños
Dem
anda
de
ener
gía
Dem
anda
de
ener
gía
Linea de Linea de tendencia,tendencia,y = 56.70 + 10.54xy = 56.70 + 10.54x^̂
![Page 49: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/49.jpg)
© 2006 Prentice Hall, Inc. 4 – 49
Mínimos cuadrados requiereMínimos cuadrados requiere
1.1. Debemos graficar los datos para Debemos graficar los datos para saber si la relación es linealsaber si la relación es lineal
2.2. No se hacen previsiones lejanas al No se hacen previsiones lejanas al tiempo actual.tiempo actual.
3.3. Las desviaciones alrededor de la Las desviaciones alrededor de la recta son aleatorias y estan recta son aleatorias y estan normalmente distribuidasnormalmente distribuidas
![Page 50: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/50.jpg)
© 2006 Prentice Hall, Inc. 4 – 50
Variación estacional de los Variación estacional de los datosdatos
Modelo multiplicativoModelo multiplicativo
1.1. Encontrar la demanda histórica media para cada Encontrar la demanda histórica media para cada estaciónestación
2.2. Calcular la demanda media de todos los mesesCalcular la demanda media de todos los meses
3.3. Calcular un índice de estacionalidad para cada Calcular un índice de estacionalidad para cada estaciónestación
4.4. Estimatar la demanda anual para el año próximoEstimatar la demanda anual para el año próximo
5.5. Dividir la demanda anual entre el número de Dividir la demanda anual entre el número de estaciones y multiplicar por el índice de estaciones y multiplicar por el índice de estacionalidadestacionalidad
![Page 51: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/51.jpg)
© 2006 Prentice Hall, Inc. 4 – 51
Ejemplo de índice de Ejemplo de índice de estacionalidadestacionalidad
EneroEnero 8080 8585 105105 9090 9494
FebFeb 7070 8585 8585 8080 9494
MarMar 8080 9393 8282 8585 9494
AbrAbr 9090 9595 115115 100100 9494
MayMay 113113 125125 131131 123123 9494
JunJun 110110 115115 120120 115115 9494
JulJul 100100 102102 113113 105105 9494
AgoAgo 8888 102102 110110 100100 9494
SeptSept 8585 9090 9595 9090 9494
OctOct 7777 7878 8585 8080 9494
NovNov 7575 7272 8383 8080 9494
DicDic 8282 7878 8080 8080 9494
DemandaDemanda PromedioPromedio PromedioPromedio Índice Índice MesMes 20032003 20042004 20052005 2003-20052003-2005 MensualMensual estacionalestacional
![Page 52: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/52.jpg)
© 2006 Prentice Hall, Inc. 4 – 52
Ejemplo de índice de Ejemplo de índice de estacionalidadestacionalidad
EneroEnero 8080 8585 105105 9090 9494
FebFeb 7070 8585 8585 8080 9494
MarMar 8080 9393 8282 8585 9494
AprApr 9090 9595 115115 100100 9494
MayMay 113113 125125 131131 123123 9494
JunJun 110110 115115 120120 115115 9494
JulJul 100100 102102 113113 105105 9494
AgoAgo 8888 102102 110110 100100 9494
SeptSept 8585 9090 9595 9090 9494
OctOct 7777 7878 8585 8080 9494
NovNov 7575 7272 8383 8080 9494
DicDic 8282 7878 8080 8080 9494
DemandaDemanda PromedioPromedio PromedioPromedio Indice Indice MesMes 20032003 20042004 20052005 2003-20052003-2005 MensualMensual estacestacionalional
0.9570.957
Indice estacional = promedio 2003-2005 demanda mensual
Promedio mensual de demanda
= 90/94 = .957
![Page 53: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/53.jpg)
© 2006 Prentice Hall, Inc. 4 – 53
Ejemplo de índice de Ejemplo de índice de estacionalidadestacionalidad
EneEne 8080 8585 105105 9090 9494 0.9570.957
FebFeb 7070 8585 8585 8080 9494 0.8510.851
MarMar 8080 9393 8282 8585 9494 0.9040.904
AbrAbr 9090 9595 115115 100100 9494 1.0641.064
MayMay 113113 125125 131131 123123 9494 1.3091.309
JunJun 110110 115115 120120 115115 9494 1.2231.223
JulJul 100100 102102 113113 105105 9494 1.1171.117
AgoAgo 8888 102102 110110 100100 9494 1.0641.064
SeptSept 8585 9090 9595 9090 9494 0.9570.957
OctOct 7777 7878 8585 8080 9494 0.8510.851
NovNov 7575 7272 8383 8080 9494 0.8510.851
DicDic 8282 7878 8080 8080 9494 0.8510.851
DemandaDemanda PromedioPromedio PromedioPromedio índice índice MesMes 20032003 20042004 20052005 2003-20052003-2005 MensualMensual estacionalestacional
![Page 54: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/54.jpg)
© 2006 Prentice Hall, Inc. 4 – 54
Ejemplo de índice de Ejemplo de índice de estacionalidadestacionalidad
EneroEnero 8080 8585 105105 9090 9494 0.9570.957
FebFeb 7070 8585 8585 8080 9494 0.8510.851
MarMar 8080 9393 8282 8585 9494 0.9040.904
AbrAbr 9090 9595 115115 100100 9494 1.0641.064
MayMay 113113 125125 131131 123123 9494 1.3091.309
JunJun 110110 115115 120120 115115 9494 1.2231.223
JulJul 100100 102102 113113 105105 9494 1.1171.117
AgoAgo 8888 102102 110110 100100 9494 1.0641.064
SeptSept 8585 9090 9595 9090 9494 0.9570.957
OctOct 7777 7878 8585 8080 9494 0.8510.851
NovNov 7575 7272 8383 8080 9494 0.8510.851
DicDic 8282 7878 8080 8080 9494 0.8510.851
DemandaDemanda PromedioPromedio PromedioPromedio Índice Índice MesMes 20032003 20042004 20052005 2003-20052003-2005 MensualMensual estacionalestacional
Demanda anual prevista= 1,200
Enero x .957 = 961,200
12
Febrero x .851 = 851,200
12
Previsión para 2006
![Page 55: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/55.jpg)
© 2006 Prentice Hall, Inc. 4 – 55
Ejemplo de índice de Ejemplo de índice de estacionalidadestacionalidad
140 140 –
130 130 –
120 120 –
110 110 –
100 100 –
90 90 –
80 80 –
70 70 –| | | | | | | | | | | |
JJ FF MM AA MM JJ JJ AA SS OO NN DD
TimeTime
Dem
anda
Dem
anda
2006 2006 PrevisiónPrevisión
2005 Demanda 2005 Demanda
2004 Demanda2004 Demanda
2003 Demanda2003 Demanda
![Page 56: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/56.jpg)
© 2006 Prentice Hall, Inc. 4 – 56
Hospital de San Diego Hospital de San Diego
10,200 10,200 –
10,000 10,000 –
9,800 9,800 –
9,600 9,600 –
9,400 9,400 –
9,200 9,200 –
9,000 9,000 –| | | | | | | | | | | |
EneEne FebFeb MarMar AbrAbr MayMay JunJun JulJul AgoAgo SeptSept OctOct NovNov DicDic6767 6868 6969 7070 7171 7272 7373 7474 7575 7676 7777 7878
MesMes
Día
s de
hos
pita
lizac
ión
Día
s de
hos
pita
lizac
ión
95309530
95519551
95739573
95949594
96169616
96379637
96599659
96809680
97029702
97239723
97459745
97669766
Figure 4.6Figure 4.6
Línea de tendenciaLínea de tendencia
![Page 57: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/57.jpg)
© 2006 Prentice Hall, Inc. 4 – 57
Hospital de San Diego Hospital de San Diego
1.06 1.06 –
1.04 1.04 –
1.02 1.02 –
1.00 1.00 –
0.98 0.98 –
0.96 0.96 –
0.94 0.94 –
0.92 – | | | | | | | | | | | |EneEne FebFeb MarMar AbrAbr MayMay Jun Jul Jun JulAugAugSeptSept OctOct NovNov DicDic6767 6868 6969 7070 7171 7272 7373 7474 7575 7676 7777 7878
MesMes
Índi
ce p
ara
días
pac
ient
esÍn
dice
par
a dí
as p
acie
ntes 1.041.04
1.021.021.011.01
0.990.99
1.031.031.041.04
1.001.00
0.980.98
0.970.97
0.990.99
0.970.970.960.96
Indices Indices estacionalesestacionales
![Page 58: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/58.jpg)
© 2006 Prentice Hall, Inc. 4 – 58
Hospital de San DiegoHospital de San Diego
10,200 10,200 –
10,000 10,000 –
9,800 9,800 –
9,600 9,600 –
9,400 9,400 –
9,200 9,200 –
9,000 9,000 –| | | | | | | | | | | |
EneEne FebFeb MarMar AbrAbr MayMay JunJun JulJul AgoAgo SeptSept OctOct NovNov DicDic6767 6868 6969 7070 7171 7272 7373 7474 7575 7676 7777 7878
MesMes
Dia
s de
hos
pita
lizac
ión
Dia
s de
hos
pita
lizac
ión
99119911
92659265
97649764
95209520
96919691
94119411
99499949
97249724
95429542
93559355
1006810068
95729572
Combinando tendencia y estacionalidadCombinando tendencia y estacionalidad
![Page 59: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/59.jpg)
© 2006 Prentice Hall, Inc. 4 – 59
Previsiones causalesPrevisiones causales
Usado cuando cambios en una o mas variables Usado cuando cambios en una o mas variables independientes pueden usarse para producir independientes pueden usarse para producir
cambios en la variable dependientecambios en la variable dependiente
La técnica mas comun es la recta de La técnica mas comun es la recta de regresión linealregresión lineal
Esta técnica se aplica de la misma manera Esta técnica se aplica de la misma manera que el modelo causalque el modelo causal
![Page 60: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/60.jpg)
© 2006 Prentice Hall, Inc. 4 – 60
Previsión causalPrevisión causal
Se basa en la minimización de los desvíos Se basa en la minimización de los desvíos cuadráticoscuadráticos
y = a + bxy = a + bx^̂
Donde yDonde y =Variable dependiente=Variable dependienteaa = Ordenada al origen= Ordenada al origenbb = Pendiente de la recta de = Pendiente de la recta de regresiónregresiónxx = Variable Independiente= Variable Independiente
^̂
![Page 61: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/61.jpg)
© 2006 Prentice Hall, Inc. 4 – 61
Ejemplo de previsión causalEjemplo de previsión causal
VentasVentas Nómina localNómina local($000,000), y($000,000), y ($000,000,000), x($000,000,000), x
2.02.0 113.03.0 332.52.5 442.02.0 222.02.0 113.53.5 77
4.0 –
3.0 –
2.0 –
1.0 –
| | | | | | |0 1 2 3 4 5 6 7
vent
as
Nóminas
![Page 62: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/62.jpg)
© 2006 Prentice Hall, Inc. 4 – 62
Ejemplo de previsión causalEjemplo de previsión causal
Ventas, y Nómica, x x2 xy
2.0 1 1 2.03.0 3 9 9.02.5 4 16 10.02.0 2 4 4.02.0 1 1 2.03.5 7 49 24.5
∑y = 15.0 ∑x = 18 ∑x2 = 80 ∑xy = 51.5
x = ∑x/6 = 18/6 = 3x = ∑x/6 = 18/6 = 3
y = ∑y/6 = 15/6 = 2.5y = ∑y/6 = 15/6 = 2.5
b = = = .25b = = = .25∑∑xy - nxyxy - nxy
∑∑xx22 - nx - nx22
51.5 - (6)(3)(2.5)51.5 - (6)(3)(2.5)
80 - (6)(380 - (6)(322))
a = y - bx = 2.5 - (.25)(3) = 1.75a = y - bx = 2.5 - (.25)(3) = 1.75
![Page 63: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/63.jpg)
© 2006 Prentice Hall, Inc. 4 – 63
Ejemplo de previsión causalEjemplo de previsión causal
4.0 –
3.0 –
2.0 –
1.0 –
| | | | | | |0 1 2 3 4 5 6 7
Ven
tas
Nóminas
y = 1.75 + .25xy = 1.75 + .25x^̂ VentasVentas = 1.75 + . = 1.75 + .25(Nómina)25(Nómina)
Si las nóminas se Si las nóminas se estiman en 600 estiman en 600 millones entonces:millones entonces:
Ventas = 1.75 + .25(6)Ventas = 1.75 + .25(6)Ventas= $325,000Ventas= $325,000
3.25
![Page 64: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/64.jpg)
© 2006 Prentice Hall, Inc. 4 – 64
Error estándar de la Error estándar de la estimaciónestimación
La previsión es solo un punto de la recta La previsión es solo un punto de la recta de regreside regresiónón
Es una medida Es una medida de la variabilidad de la variabilidad alrededor de laalrededor de larecta (desvíorecta (desvío
estándar normal)estándar normal)
Figure 4.9Figure 4.9
4.0 –
3.0 –
2.0 –
1.0 –
| | | | | | |0 1 2 3 4 5 6 7
Ven
tas
Nóminas
3.25
![Page 65: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/65.jpg)
© 2006 Prentice Hall, Inc. 4 – 65
Error estándar de la Error estándar de la estimaciónestimación
DondeDonde yy == valor de y para cada valor de y para cada datodato
yycc == valor de la variable valor de la variable dependiente, calculado a partir de la dependiente, calculado a partir de la ecuación de regresiónecuación de regresión
nn == número de datosnúmero de datos
SSy,xy,x = =∑∑(y - y(y - ycc))22
n - 2n - 2
![Page 66: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/66.jpg)
© 2006 Prentice Hall, Inc. 4 – 66
Error estándar de la Error estándar de la estimaciónestimación
Para el cálculo esta fórmula es mas Para el cálculo esta fórmula es mas fácil de utilizarfácil de utilizar
Ambas fórmulas proporcionan la misma Ambas fórmulas proporcionan la misma respuesta y pueden utilizarse para fijar los respuesta y pueden utilizarse para fijar los
intervalos de predicción alrededor de la intervalos de predicción alrededor de la estimación puntualestimación puntual
SSy,xy,x = =∑∑yy22 - a∑y - b∑xy - a∑y - b∑xy
n - 2n - 2
![Page 67: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/67.jpg)
© 2006 Prentice Hall, Inc. 4 – 67
Error estándar de la Error estándar de la estimaciónestimación
4.0 –
3.0 –
2.0 –
1.0 –
| | | | | | |0 1 2 3 4 5 6 7
Ven
tas
Nóminas
3.25
SSy,xy,x = = = =∑∑yy22 - a∑y - b∑xy - a∑y - b∑xyn - 2n - 2
39.5 - 1.75(15) - .25(51.5)39.5 - 1.75(15) - .25(51.5)6 - 26 - 2
SSy,xy,x = .306 = .306
El error estándar de El error estándar de la estimación es de $ la estimación es de $ 30.600 en las ventas30.600 en las ventas
![Page 68: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/68.jpg)
© 2006 Prentice Hall, Inc. 4 – 68
Intensidad de relación entre dos Intensidad de relación entre dos variablesvariables
Correlación no implica Correlación no implica necesariamente causalidadnecesariamente causalidad
Coeficiente de correlación, r, es Coeficiente de correlación, r, es una medida del grado de una medida del grado de asociaciónasociación Valores entre Valores entre -1-1 to to +1+1
CorrelaciónCorrelación
![Page 69: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/69.jpg)
© 2006 Prentice Hall, Inc. 4 – 69
Coeficiente CorrelaciónCoeficiente Correlación
r = r = nnΣΣxy - xy - ΣΣxxΣΣy y
[n[nΣΣxx22 - ( - (ΣΣx)x)22][n][nΣΣyy22 - ( - (ΣΣy)y)22]]
![Page 70: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/70.jpg)
© 2006 Prentice Hall, Inc. 4 – 70
Correlation CoefficientCorrelation Coefficient
r = r = n∑xy - ∑x∑y n∑xy - ∑x∑y
[n∑x[n∑x22 - (∑x) - (∑x)22][n∑y][n∑y22 - (∑y) - (∑y)22]]
y
x(a) Perfecta correlación positiva: r = +1
y
x(b) Correlación positiva: 0 < r < 1
y
x(c) Sin correlación: r = 0
y
x(d) Perfecta correlación positiva: r = -1
![Page 71: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/71.jpg)
© 2006 Prentice Hall, Inc. 4 – 71
Coeficiente de determinación, rCoeficiente de determinación, r22, , mide el porcentaje de cambio en y mide el porcentaje de cambio en y Explicada por el cambio en xExplicada por el cambio en x Valores entre Valores entre 00 a a 11
Fácil de interpretarFácil de interpretar
CorrelaciónCorrelación
Para el ejemplo desarrollado:Para el ejemplo desarrollado:
r = .901r = .901
rr22 = .81 = .81
![Page 72: Clase](https://reader034.vdocumento.com/reader034/viewer/2022042816/5593d7841a28ab8b118b457a/html5/thumbnails/72.jpg)
© 2006 Prentice Hall, Inc. 4 – 72
Análisis de regresión Análisis de regresión múltiplemúltiple
Si se usa mas de una variable independiente, la Si se usa mas de una variable independiente, la recta de regresión puede ser extendida a un recta de regresión puede ser extendida a un
regresión múltipleregresión múltiple
y = a + by = a + b11xx11 + b + b22xx22 … …^̂
El cálculo es un poco complejo y se El cálculo es un poco complejo y se hace generalmente con la computadorahace generalmente con la computadora