Escolar Documentos
Profissional Documentos
Cultura Documentos
del mercado
En el captulo anterior se analizaron los principales componentes del estudio de mercado de
un proyecto. La estimacin del comportamiento futuro de algunas de estas variables puede rea-
lizarse utilizando diversas tcnicas de pronstico, cuyo estudio constituye el objetivo de este
captulo.
Cada tcnica de proyeccin tiene una aplicacin de carcter especial que hace de su seleccin
un problema decisional influido por diversos factores, como la validez y disponibilidad de los
datos histricos, la precisin deseada del pronstico, el costo del procedimiento, los beneficios
del resultado, los periodos futuros que se desee pronosticar y el tiempo disponible para hacer
el estudio, entre otros. Tan importante como estos es la etapa del ciclo de vida en la que se
encuentra el producto cuyo comportamiento se desea pronosticar.
En una situacin estable la importancia de los pronsticos es menor. Pero a medida que
crece el dinamismo y complejidad de la situacin, ms necesaria se torna la proyeccin de las
variables del mercado, pues el nivel de incertidumbre y ambigedad es mayor.
La dificultad mayor al pronosticar comportamientos radica en la posibilidad de la ocurren-
cia de eventos que no hayan sucedido anteriormente, como el desarrollo de nuevas tecnologas,
la incorporacin de competidores con sistemas comerciales no tradicionales, las variaciones en
las polticas econmicas gubernamentales, etctera. Los antecedentes histricos sern, por lo
tanto, variables referenciales para el analista de proyecto, quien deber usar los mtodos de
proyeccin como tcnicas complementarias antes que como alternativas estimativas certeras. Por
ello, no siempre la existencia de informacin histrica es garanta de una proyeccin confiable.
El captulo que aqu se inicia se concentra tanto en la presentacin y el anlisis de las tc-
nicas ms importantes para la proyeccin del mercado como en sus alcances y aplicabilidad.
recuerde
y reflexione
o La validez de los resultados de la proyeccin est ntimamente relacionada con la ca-
lidad de los datos de entrada que sirvieron de base para el pronstico. Las fuentes de
informacin de uso ms frecuente son las series histricas oficiales de organismos
pblicos y privados, las opiniones de expertos y el resultado de encuestas especiales,
entre otras.
recuerde
y reflexione
o La eleccin del mtodo correcto depender principalmente de la cantidad y calidad de
los antecedentes disponibles, as como de los resultados esperados, del tiempo y del
nivel de precisin deseados. La efectividad del mtodo elegido se evaluar en funcin
de su precisin, sensibilidad y objetividad.
Precisin, porque cualquier error en su pronstico tendr asociado un costo. Aunque obvia-
mente no podr exigirse una certeza total a alguno de los mtodos, s podr exigrsele que
garantice una reduccin al mnimo del costo del error en su proyeccin.
Sensibilidad, porque al situarse en un medio cambiante, debe ser lo suficientemente estable
para enfrentar una situacin de cambios lentos, as como dinmica para enfrentar cambios agudos.
Objetividad, porque la informacin que se tome como base de la proyeccin debe garantizar
su validez y oportunidad en una situacin histrica.
Los resultados que se obtienen de los mtodos de proyeccin del mercado son solo indicado-
res de referencia para una estimacin definitiva, la cual, aunque difcilmente ser exacta, deber
complementarse con el juicio y las apreciaciones cualitativas del anlisis, por parte de quien pro-
bablemente trabajar con ms de un mtodo en la bsqueda de la estimacin ms certera.
demanda, por ejemplo, el producto nacional bruto, la renta disponible, la tasa de natalidad o
los permisos de construccin; b) la seleccin de la relacin que vincule a las variables causales
con el comportamiento del mercado, normalmente en la forma de una ecuacin matemtica de
primer grado, y c) la validacin del modelo de pronsticos, de manera que satisfaga tanto el n concepto
sentido comn como las pruebas estadsticas, mediante la representacin adecuada del proceso "(clave
que describa. Modelos de series de
Los modelos de series de tiempo se utilizan cuando el comportamiento que asume el mercado tiempo: tcnica de pro
yeccin que se utiliza
a futuro puede determinarse en gran medida por lo sucedido en el pasado, y siempre que est
cuando el comportamien
disponible la informacin histrica de manera confiable y completa. Cualquier cambio en las to que asume el mercado
variables que caracterizaron un determinado contexto en el pasado, como una recesin econmica, a futuro puede determi
una nueva tecnologa o un nuevo producto sustituto de las materias primas, entre otros, hace que narse en gran medida por
lo sucedido en el pasado,
los modelos de este tipo pierdan validez. Sin embargo, es posible ajustar, con algn criterio lgico, y siempre que est dispo
una serie cronolgica para incluir aquellos hechos no reflejados en datos histricos. nible la informacin his-
trica de manera confia-
ble y completa.
recuerde
y reflexione
o El mtoclo Delphi se fundamentla en que el grupo es capaz de lograr un razonamiento
mejor que el de una sola persona, aunque esta sea experta en el tema.
2
J . Chambers, S. Mullick y D. Smith, Cmo elegir la tcnica de pronstico correcta, Biblioteca Harvard.
3
Para el estudio de este mtodo, T. Kinnear y J. Taylor, Investigacin de mercados, McGraw-Hill, Bogot, 1998.
5.3 Mtodos cualitativos 71
a2 Z 2
5.1 n=--
e2
grfica, o para un producto diferente, aunque con un mercado consumidor similar. La desven- I"\ conceptos
taja que manifiesta es la de suponer que las variables determinantes en el comportamiento . . . , claves
pasado del mercado tomado como referencia se mantendrn en el futuro y, adems, que tendrn
Muestreo de bola de nie-
el mismo efecto sobre el mercado del proyecto en estudio. ve: mtodo no probabils-
tico en el que encuesta
una primera instancia al
mite elaborar un modelo de pronstico basado en estas variables, el cual puede tener desde una Modelos causales: tcni-
ca de proyeccin del mer-
hasta n variables independientes. Sin embargo, la eleccin del nmero de variables independien- cado que intenta proyec-
tes depende del total de observaciones obtenidas para la variable dependiente y de cada una de tar el mercado sobre la
las causales explicativas. base de antecedentes
cuantitativos histricos.
Existen dos modelos bsicos de regresin: el modelo de regresin simple o de dos variables,
y el modelo de regresin mltiple. El primero indica que la variable dependiente se predice sobre Modelo de regresin sim-
ple o de variables: tcni-
la base de una variable independiente, mientras que el segundo indica que la medicin se basa ca de proyeccin del mer-
en dos o ms variables independientes. En ambos casos, aunque los valores de la variable inde- cado que indica que la
pendiente pueden ser asignados, es decir, estn dados para el analista, los de la variable depen- variable dependiente se
predice sobre la base de
diente deben obtenerse por medio del proceso de muestreo.
una variable indepen-
De la observacin de las variables se deriva un diagrama de dispersin que indica la relacin diente.
entre ambas. Grficamente se representa la variable independiente, x, en relacin con el eje Modelo de regresin ml-
horizontal, y el valor de la variable dependiente, y, en relacin con el eje vertical. Cuando las tiple: tcnica de proyec-
relaciones entre ambas no son lineales, es usual determinar un mtodo de transformacin de cin del mercado que in-
dica que la medicin se
valores para lograr una relacin lineal.
basa en dos o ms varia-
El paso siguiente es determinar la ecuacin lineal que mejor se ajuste a la relacin entre las bles independientes.
variables observadas. Para ello se utiliza el mtodo de los mnimos cuadrados. En forma grfica, el
diagrama de dispersin y la linea de tendencia pueden representarse como lo muestra el figura 5 .1.
Los puntos de la figura representan las distintas relaciones observadas entre las variables
xy y.
Matemticamente, la forma de la ecuacin de regresin lineal es:
4
La metodologa y las frmulas que se exponen a continuacin con fines explicativos se entienden mejor recu-
rriendo al uso de una planilla electrnica como Excel. As, para el clculo de una regresin, en Men/ Herramien-
tas/ Anlisis de datos/ Regresin, el trabajo se simplifica a solo poblar informacin. Asimismo, para los modelos
de series de tiempo que se exponen en el punto 5.5, opcionalmente puede recurrirse al Men Insertar grfico,
aunque la informacin que proporciona es sustancialmente menor a la que entrega la herramienta Regresin de
anlisis de datos.
5
El modelo de regresin se basa en tres supuestos bsicos, los cuales, si son transgredidos, invalidan autom-
ticamente cualquier proyeccin . El primer supuesto es que los errores de la regresin tienen una distribucin
normal, con media cero y varianza u 2 constante . El segundo supuesto es que los errores no estn correlacionados
entre ellos. Este fenmeno se denomina autocorrelacin . El ltimo supuesto es que todas las variables analizadas
se comportan en forma lineal o son susceptibles de linealizarse.
1 74 1 Captulo 5 Tcnicas de proyeccin del mercado
X
Figura 5.1 Diagrama de dispersin y de la lnea de tendencia.
donde y(x) es el valor estimado de la variable dependiente para un valor especfico de la varia-
ble independiente x; a es el punto de interseccin de la lnea de regresin con el eje y, 6 bes la
pendiente de la lnea de regresin y x es el valor especfico de la variable independiente. Dado
que la lnea de regresin se entiende como el valor esperado que toma la variable y, dados los
valores esperados de la variable x, el trmino constante a tambin puede entenderse como el
valor promedio de y cuando x es cero. Igualmente, b puede entenderse como el cambio en y ante
un cambio marginal en x.
El criterio de los mnimos cuadrados permite que la lnea de regresin de mejor ajuste
minimice la suma de las desviaciones cuadrticas entre los valores reales y los estimados de la
variable dependiente para la informacin muestra!. As, al minimizar la sumatoria de errores al
cuadrado, se derivan las siguientes expresiones para la pendiente y el intercepto, respectivamente:
b = nixy - (Ix)(I~)
5.4
nix2 - (Ix) 2
5.5 a= y- bx
b = I(x - x)(y - y)
5.6
I(x - x) 2
Por ejemplo, suponga que los antecedentes histricos de produccin y ventas de un deter-
minado producto son los que se muestran en el cuadro 5.1. No obstante, es necesario aclarar
que debe contarse con un nmero significativo de observaciones para que la estimacin sea
veraz y las conclusiones derivadas de la relacin entre variables sean consistentes.
Cuadro 5.1
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
6
En este punto la va ri able independiente x t iene un valor de cero .
5.4 Modelos causales 75
Cuadro 5.2
Nmero de muestra 2 3 4 5 6 7 8 9 10 11
~ -- ...-.;-w ~x __.,
Formetode . . . . -.J. - =-
~-
1\ di! IB1denda o~
[21 e EgpanencW
1
[fZj ~ ( +
a t> Logarftnica
r.::11
~ " .
Pallnmica
[2} e PoteQdal
[l] e Meda mvl
NCldJre di!lll ha de liendl'.nda
{l;ll:DIMllal: ~ c;ertesl)
~ ~: I __I
~: ~!o,;::;
o ==:::::'....
peixfos
jo.o
Heda alls: 1 periodos
Unidades
vendidas
300
250
y = 25.59x - 43.54
R2 = 0.958
200
150
100
+ Demanda
50
- - Lineal (demanda)
o
2 4 6 8 10 12
-50
Lo que entrega como resultado grfico: la lnea de tendencia, la ecuacin respectiva --en
este caso lineal- y el indicador r2
r2 = 1 - !.(y - y(x))2
5.10
!.x(y - y(x)) 2
o, en forma alternativa:
5.11 ,. 2 = - -[nlxy
- - -- 2-
(lx)(ly)]2
----- 2
[nlx2 - (lx) ][nly2 - (ly) ]
Siguiendo con el ejemplo, se tiene que, al aplicar la frmula 5.1 O, el coeficiente de determi-
nacin es:
Esto significa que 96% de la variacin total en la demanda es explicada por la variacin
temporal y 4% por otras variables no incluidas en el modelo. Este es un caso tpico de produc-
tos cuya demanda depende fuertemente de la poblacin, ya que la tasa de crecimiento se expresa
como una funcin anual.
Como se mostrara anteriormente, al graficar puede hacerse que el software entregue direc-
tamente el coeficiente r2
Con los antecedentes disponibles, es posible calcular el error "estndar" de una estimacin
para determinar la desviacin "estndar" de la variable dependiente y, as como un valor espe-
cfico de la variable independiente x. El error "estndar" del estimado, designado Se, se define
como la desviacin "estndar" de la regresin y se calcula por:
2
5.13 S, = ~'iy - a'iy - b'ixy
n-2
Si se desea que la prediccin sea confiable en 95%, el intervalo de confianza sera la demanda
estimada 2(18.60). As, el error "estndar" permite encontrar el intervalo de confianza de la
estimacin y el rango de valores dentro del que puede predecirse la variable dependiente con
diferentes grados de confianza estadstica. Suponiendo que los trminos del error estn nor-
malmente distribuidos en torno a la lnea de regresin, existe 68% de probabilidad de que las
observaciones futuras estn dentro de y Se, mientras que aumenta a 95% la probabilidad de
que estn dentro de y 2 Se y a 99% si se ubican entre y 3 Se. Esto deja de manifiesto que la
mayor precisin se asocia con los errores "estndares" ms pequeos de la estimacin.
En consecuencia, al estimar la demanda para 2008, se dir que existe 95% de probabilidad
de que esto se ubique en el rango de 226.34 (263.54 - 2(18.60)) y 300.74 (263.54 + 2(18.60)).
En algunos casos, en vez de ajustar los datos a una lnea recta para predecir la tendencia
histrica, deber emplearse una funcin exponencial que muestre un cambio porcentual cons-
tante, ms una variacin constante en cada periodo, para expresar de mejor forma el ajuste de
la tendencia de los datos. La expresin de la ecuacin de tendencia exponencial es:
5.16
5.17 Qo = Qd + !1s + X - M
la economa, mediante una matriz que implica suponer el uso de coeficientes tcnicos fijos por
parte de las distintas industrias. 7
Para estimar la demanda de un sector especfico, el modelo la descompone en bienes fina-
les e intermedios, y establece sus relaciones utilizando los denominados coeficientes tcnicos.
Este mtodo es adecuado cuando la demanda de un sector est en estrecha relacin con el nivel
de actividad del mismo, y los dems elementos que pueden estar determinndola son de poca
significacin. Lo que bsicamente busca este modelo es determinar el grado de repercusin que
la actividad de un sector tiene sobre los restantes. Una metodologa muy usada para determinar
los coeficientes tcnicos de las funciones de produccin de proporciones constantes es la del
anlisis de regresin.
concepto n trica es determinar un patrn bsico en su comportamiento, que posibilite la proyeccin futura
de la variable deseada.
clave ~ En un anlisis de series de tiempo pueden distinguirse cuatro componentes bsicos que
Tendencia: tcnica de se refieren a: una tendencia, un factor cclico, fluctuaciones estacionales y variaciones no siste-
proyeccin del mercado mticas.
que se refiere al creci-
El componente de tendencia se refiere al crecimiento o declinacin en el largo plazo del valor
miento o declinacin en
el largo plazo del valor promedio de la variable estudiada, por ejemplo, la demanda. Su importancia se deriva de consi-
promedio de la variable derar fluctuaciones en el nivel de la variable en el tiempo, con lo cual el estudio del nivel promedio
estudiada. de la variable a lo largo del tiempo es mejor que el estudio de la misma en un momento especfico.
Aunque es posible definir una tendencia de largo plazo para la variable, pueden darse
divergencias significativas entre la lnea de tendencia proyectada y el valor real que exhiba la
variable. Esta divergencia se conoce como el componente cclico y se admite entre sus causas el
comportamiento del efecto combinado de fuerzas econmicas, sociales, polticas, tecnolgicas,
culturales y otras existentes en el mercado que permiten identificar periodos de expansin y
contraccin de la variable en estudio, para este caso, la demanda. La mayora de estos ciclos no
tiene patrones constantes que permitan prever su ocurrencia, magnitud y duracin.
Contrarios a los componentes cclicos, existen otros componentes llamados estacionales,
que exhiben fluctuaciones que se repiten peridicamente y que normalmente dependen de fac-
tores como el clima (ropa de verano) y la tradicin (tarjetas de Navidad), entre otros.
Aunque se conozcan los tres componentes sealados, una variable puede tener todava un
comportamiento real distinto del previsible por su lnea de tendencia y por los factores cclicos
y estacionales. A esta desviacin se le asigna el carcter de no sistemtica y corresponde al
llamado componente aleatorio.
En la figura 5.4 se muestran los cuatro componentes de una serie cronolgica. A largo plazo,
los componentes estacionales y aleatorios son menos relevantes que el componente cclico. Sin
embargo, a medida que los pronsticos se van acortando, el componente no sistemtico pasa a
ser primordial y la lnea de tendencia, la menos importante.
Dervitsiotis 9 plantea dos modelos que podran explicar la forma de interaccin de los com-
ponentes de las series de tiempo: a) el aditivo, que permite calcular el comportamiento de una
variable (demanda, por ejemplo) como la suma de los cuatro componentes, y b) el multiplicativo,
que dice que la variable puede expresarse como el producto de los componentes de la serie de
tiempo.
Existen diversos mtodos que permiten estimar el comportamiento de una variable y que
aslan, en general, el efecto tendencia. Estos son: el mtodo de los promedios mviles, el de afi-
7
Supone funciones de produccin de proporciones fijas, sin capacidad de sustitucin de insumos.
8
El mtodo de los promedios mviles se usa principalmente en proyecciones de corto plazo, como un presu-
puesto anual, por ejemplo, y tiene utilidad en uno de los mtodos de clculo de la inversin en capital de trabajo,
que se estudiar en el captulo 12 (mtodo de dficit acumulado mximo).
9
Dervitsiotis, op. cit.
5.5 Modelos de series de tiempo 79
Variable
estudiada
Componente
cclico
Componente
de tendencia
Componente
no sistemtico
Componente
estacional
Tiempo
namiento exponencial y el de ajuste lineal por el criterio de los minimos cuadrados, al que ya se
hizo referencia.
Una serie cronolgica con fuerte efecto estacional hace recomendable el uso de un prome-
dio mvil simple de un nmero determinado de periodos, que normalmente es de los cuatro
ltimos trimestres. 10 El promedio mvil (Pm) se obtiene de:
n
!, Ti
i=l
5.18 Pm 1 =
n
donde Ti es el valor que adopta la variable en cada periodo i y n es el nmero de periodos
observados.
As, si la demanda trimestral de un producto es en cada uno de los cuatro trimestres de 180,
250, 210 y 150, el valor de Pm 1 sera de:
De acuerdo con este mtodo, la demanda esperada para el trimestre siguiente es de 197.50.
Cuando se conozca el valor real de la demanda del quinto periodo, se proyectar el sexto periodo,
incorporando este valor en reemplazo del ms antiguo que, en este caso, corresponde a 180
unidades. As, Pm 1 abarcar el periodo comprendido entre los trimestres 1 y 4, Pm 2, entre 2 y
5, y as sucesivamente. Al generalizar:
t+n-I
! Ti
i=l
5.20 Pm 1 =
n
El efecto estacional y algunas influencias no sistemticas se determinan mediante el ndice
estacional especfico. Al definir los valores Pm 1 y Pm 2, por ejemplo, se est midiendo un inter-
10
A continuacin se analiza un mtodo de proyeccin basada en un comportamiento promedio, sin embargo,
esta tarea puede ser fcilmente sustituida mediante la utilizacin de herramientas computacionales. El alcance
del ejemplo que se presenta a continuacin est expuesto nicamente con fines conceptuales.
t 80 1 Captulo 5 Tcnicas de proyeccin del mercado
valo en el cual Pm 1 queda entre T 2 y T 3 , y Pm 2 , entre T 3 y T 4 Por esto, ninguno de los dos es
representativo de estos trimestres. Se hace entonces necesario determinar un promedio mvil
centrado (P MC), calculando la media entre dos promedios mviles, de la siguiente forma:
5.22
donde la suma de los JE de los cuatro trimestres debe ser igual a cuatro. Una vez calculados los
JE de los cuatro trimestres, se procede a ajustar la demanda trimestral promedio proyectada.
Considrese la siguiente demanda estacional para los datos del cuadro 5.3.
Cuadro 5.3
2002 2 3 4 10
2003 5 6 7 2 20
2004 7 10 10 3 30
2005 10 17 16 2 45
2006 13 20 28 9 70
2007 19 34 34 3 90
2008 27 39 48 11 125
2009 26 44 58 22 150
2010 38 51 70 21 180
2011 44 67 81 28 220
2012 51 79 107 33 270
PM2 = 3 + 4 + 1 + 5 = 3.25
4
P M 1 se encuentra entre primavera y verano de 2002, y P M 2, entre verano y otoo del mismo
ao. Igual procedimiento se sigue hasta 2012, donde el ltimo promedio mvil que puede calcu-
larse es el que considera las ltimas cuatro observaciones, esto es, entre primavera y verano de
ese ao.
Una vez calculados los promedios mviles, que se resumen en el cuadro 5.4, es posible
calcular los promedios mviles centrados, usando la ecuacin 5.21. As, los primeros promedios
mviles centrados seran:
5.5 Modelos de series de tiempo 81
-
Cuadro 5.4
. Demanda actual
Invierno 2.00
Primavera 3.00
2002
Verano 4.00 2.50 2.88 1.39
Otoo 1.00 3.25 3.63 0.28
Invierno 5.00 4.00 4.38 1.14
Primavera 6.00 4.75 4.88 1.23
2003
Verano 7.00 5.00 5.25 1.33
Otoo 2.00 5.50 6.00 0.33
Invierno 7.00 6.50 6.88 1.02
Primavera 10.00 7.25 7.38 1.36
2004
Verano 10.00 7.50 7.88 1.27
Otoo 3.00 8.25 9.13 0.33
Invierno 10.00 10.00 10.75 0.93
Primavera 17.00 11.50 11.38 1.49
2005
Verano 16.00 11.25 11.63 1.38
Otoo 2.00 12.00 12.38 0.16
Invierno 13.00 12.75 14.25 0.91
Primavera 20.00 15.75 16.63 1.20
2006
Verano 28.00 17.50 18.25 1.53
Otoo 9.00 19.00 20.75 0.43
Invierno 19.00 22.50 23.25 0.82
Primavera 34.00 24.00 23.25 1.46
2007
Verano 34.00 22.50 23.50 1.45
Otoo 3.00 24.50 25.13 0.12
Invierno 27.00 25.75 27.50 0.98
Primavera 39.00 29.25 30.25 1.29
2008
Verano 48.00 31.25 31.13 1.54
Otoo 11.00 31.00 31.63 0.35
Invierno 26.GO 32.25 33.25 0.78
Primavera 44.00 34.25 35.63 1.24
2009
Verano 56.00 37.00 38.50 1.45
Otoo 22.00 40.00 40.81 0.54
Invierno 38.00 41.75 43.50 0.87
Primavera 51.00 45.25 45.13 1.13
2010
Verano 70.00 45.00 45.75 1.53
Otoo 21.00 46.50 48.50 0.43
Invierno 44.00 50.50 51.88 0.85
Primavera 67.00 53.25 53.88 1.24
2011
Verano 81.00 54.50 55.38 1.46
Otoo 26.00 56.25 57.75 0.45
Invierno 51.00 59.25 62.50 0.82
Primavera 79.00 65.75 66.63 1.19
2012
Verano 107.00 67.50
Otoo 33.00
1 82 1 Captulo 5 Tcnicas de proyeccin del mercado
El cuadro 5.4 tambin muestra estos resultados para todo el periodo de anlisis. El ndice
estacional se obtiene aplicando la ecuacin 5.22, la que en este caso dara:
En el cuadro 5.5 aparecen los resultados del anlisis estacional histrico. La demanda tri-
mestral ajustada se obtiene de:
Cuadro 5.5
Dado que la suma de los promedios alcanza a 3 972, el ndice debe ajustarse por regla de
tres simple para que sume cuatro. El ndice as ajustado da el siguiente resultado:
Invierno 0.918
Primavera 1.289
Verano 1.446
Otoo 0.347
4.000
Con esta informacin puede proyectarse la demanda estacional para el ao 2013. Como se
recordar, se haba proyectado que la demanda total para 2013 sera de 263 540 unidades. Dado
que la estacionalidad es trimestral, y se desea proyectar la demanda de los prximos trimestres,
el resultado obtenido deber dividirse entre cuatro y multiplicarse por el ndice estacional cal-
culado. As, se tiene:
5.5 Modelos de series de tiempo 83
n (YX + Y')2
5.28 DT= x= l n
X
Por ejemplo, si para los datos de demanda global del mercado, que se muestra en la segunda
columna del cuadro 5.6, se calcula el promedio mvil (P M) para proyectar la demanda del
mercado en el ao 2012, con base en tres y cinco aos, se obtiene:
Cuadro 5.6
2005 42
2006 45
2012 36 39
Al calcular la desviacin tpica de ambas proyecciones, se aprecia que aquella con base en tres
aos es mejor que la del promedio mvil con cinco aos, ya que muestra la menor desviacin.
t 84 1 Captulo 5 Tcnicas de proyeccin del mercado
5.30 DTsaos = \/ ~
~ = 9.24
Si el mismo ejemplo se resuelve con el mtodo de afinamiento exponencial para dos casos (a
11
= 0.30 y a= 0.40), se obtienen los resultados del siguiente cuadro, aplicando la expresin 5.27.
Cuadro 5.7
:t.
2004
. ...
38
40.00 -2.00 4.00
..
40.00
~
-2.00
(Yx - Y'x) 2
4.00
De acuerdo con la tabla anterior, la proyeccin que usa un a de 0.40 es mejor que la de 0.30,
ya que exhibe la menor desviacin tpica. Esto es:
11
Para obtener Y se aplica la frmula 5.27 como sigue:
Y' 2005 = (0.30)(38) + (1 - 0.30)(40) = 39.40
Y'2005 se calcul como el promedio de los Yx observados.
La somera presentacin de las tcnicas de pro- La posibilidad, real por cierto, de que en el
nstico que se analizaron en este captulo deja futuro se den combinaciones nuevas de las con-
de manifiesto la falta de control y confianza dicionantes de un proyecto hace muchas veces
en los hechos futuros. Cada tcnica tiene carac- inadecuado el uso de tcnicas cuantitativas. Sin
tersticas propias que hacen de su eleccin un embargo, el uso complementario de ms de una
proceso especial de decisiones. tcnica parece ser lo ms recomendable.
Preguntas y problemas 85
Preguntas y problemas
1. Analice las variables ms determinantes, a su juicio, para seleccionar una tcnica de pro-
yeccin.
2. Explique de qu depende el grado de validez del resultado de una proyeccin.
3. Explique las principales debilidades de las encuestas y con qu mtodos podran subsanarse
de manera complementaria.
4. Explique los conceptos de precisin, sensibilidad y objetividad del mtodo de pronstico.
5. Explique las principales caractersticas y diferencias de los mtodos cualitativos, causales
y de serie de tiempo.
6. Qu validez tienen, a su juicio, los resultados que se derivan de los mtodos Delphi y con-
senso de panel?
7. Defina la lnea de tendencia del conjunto de observaciones de distancias, X, y tiempos de
entrega, Y, en la distribucin de un producto, que se sealan en el siguiente cuadro:
.. ..
. .
Embarque Distancia - Embarque Distancia Entrega
observado {km) observado (km) (das)
8. Con los datos del problema anterior, calcule el error "estndar" de la estimacin.
9. Con los datos del problema 7, calcule el coeficiente de correlacin y explique el significado
del resultado.
10. Explique las caractersticas y el uso del modelo economtrico.
11. Analice en qu consisten y en qu se diferencian los componentes de tendencia, cclicos,
estacionales y no sistemticos.
12. Calcule por el mtodo de los promedios mviles la demanda esperada para el primer tri-
mestre de 2013 si la demanda trimestral de 2012 fue la siguiente:
Invierno 340
Primavera 290
Verano 175
Otoo 245
13. Con los datos del ejercicio anterior, calcule la demanda estimada para el trimestre primavera
de 2012 si la demanda real del trimestre invierno inmediatamente anterior fue de 310 uni-
dades.
14. Calcule la demanda trimestral para el ao 2012 que incorpore el efecto estacional, con los
siguientes datos:
T2 514
2010
T3 490
T4 312
r, 308
T2 485
2011
T3 500
T4 410
T1 390
T2 505
2012
T3 457
T4 427
15. Con los siguientes antecedentes, determine la lnea de regresin, calcule y explique el coefi-
ciente de determinacin y el error "estndar" de la estimacin:
lx = 1.239
ly = 79
lxy = 1.613
lx 2 = 17.322
ly 2 = 293
Preguntas y problemas 87
Ao Unidades Ao Unidades
Pronostique la demanda por el mtodo de promedios mviles con tres y cinco aos, y
determine en cul se tendra mayor confianza.
17. Un empresario del rubro textil desea reorientar su lnea de produccin en vista del gran
xito que han tenido sus colegas en el rubro de la comercializacin de una determinada
lnea de productos. El empresario le proporciona los siguientes antecedentes de ventas de
la competencia:
Ventas reales M$
$129 326
Con esta informacin le pide que estime la demanda para los prximos cuatro aos. Cmo
cree usted que ser el comportamiento de la demanda esperada? Qu propondra como
metodologa de estimacin? (No efecte clculos).
Material complementario
Ejercicios recomendados del texto complementario: Jos Manuel Sapag, Evaluacin de proyec-
tos, gua de ejercicios, problemas y soluciones, McGraw-Hill, 3a. ed., 2007:
11. Cementerio parque, 12. Bebidas y refrescos, 13. Forestal, 14. Supermercado, 15. Demanda
hotelera, 16. Compra de insumos, 61. Ferrocarriles del Sur.
Bibliografa '~~:~~ _ I
Anderson, D.R., D.J. Sweeney y T.A Williams, Lira, Ricardo, Modelos economtricos de
Essentials of Statistics for Business and Econo- demanda, Santiago, Universidad Catlica de
mics, Cengage Learning, 2010. Chile-Instituto de Economa, 1976.
Chambers, J. Mullick, S. y D. Smith, Cmo Mahadevan, B., Operation Management:
elegir la tcnica de pronstico correcta, Theory and practice, Pearson Education India,
Biblioteca Harvard, Grupo Editorial Expansin, 2009.
1979-1982. Pramo, Dagoberto, La etnografa, una
Dervitsiotis, Kostas N., Operations Manage- aproximacin antropolgica al estudio del
ment, Nueva York, McGraw-Hill, 1981 . comportamiento del consumidor, 201 O.
Hanke, John E., Pronsticos en los negocios, Silvestre, J. y F. Lpez, La economa en la
Pearson Education, 2006. empresa, McGraw-Hill/lnteramericana, 2007.
Kinnear, T. y J. Taylor, Investigacin de merca- Sweeney, D.J. y D.R. Anderson, Estadstica
dos, Bogot, McGraw-Hill, 1998. para administracin y economa, Cengage
Lawrence, K.D. y R.K. Klimberg, Advances in Learning Latin America, 2008.
Business and Management Forecasting,
Volumen 7, Emerald Group Publishing, 2010.