clase

© 2006 Prentice Hall, Inc. 4 – 1

Formulación y evaluación Formulación y evaluación de proyectosde proyectos

El mercadoEl mercado

Modelos de proyecciónModelos de proyección


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


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



• 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.



• 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.


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


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


¿¿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

??


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


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..


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


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


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..


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


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


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


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


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


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..


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


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


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


Tendencia

Estacionalidad

Ciclo

Irregularidad

Componente de una serie Componente de una serie temporaltemporal


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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


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)

^̂


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^̂


Métodos de mínimos Métodos de mínimos cuadradoscuadrados

Periodo de tiempoPeriodo de tiempo

Va

lore

s de

la v

aria

ble

depe

ndie

nte


DeviationDeviation11







Observación real Observación real (valor de y)(valor de y)

Tendencia, y = a + bxTendencia, y = a + bx^̂

El método minimiza los desvíos cuadráticos


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


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


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^


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^̂


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


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


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



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



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



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



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


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


Línea de tendenciaLínea de tendencia


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


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


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


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

^̂


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



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



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


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)


4.0 –

3.0 –

2.0 –

1.0 –

| | | | | | |0 1 2 3 4 5 6 7

Ven

tas

Nóminas

3.25



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



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



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


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


Coeficiente CorrelaciónCoeficiente Correlación

r = r = nnΣΣxy - xy - ΣΣxxΣΣy y

[n[nΣΣxx22 - ( - (ΣΣx)x)22][n][nΣΣyy22 - ( - (ΣΣy)y)22]]


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


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


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

clase

Documents