Facultad de Ciencias Empresariales

Escuela Profesional de Administración

ASIGNATURA:
FORMULACIÓN Y
EVALUACIÓN DE
PROYECTOS I

Prof: RIVERA TRUCIOS Fredy

email: freddy.rivera@unh.edu.pe

2023 - II

Universidad Nacional de Huancavelica

TÉCNICAS DE PROYECCIÓN DE MERCADO,
PROMEDIOS MÓVILES, SUAVIZACIÓN
EXPONENCIAL

Docente: Econ. Fredy Rivera Trucios

B.
TÉCNICAS DE PROYECCION DE MERCADO

Se requiere conocer el comportamiento de los

componentes del estudio de mercado en el pasado,
en el presente y en el futuro.

Los modelos y técnicas de proyección ayudan a

determinar el comportamiento futuro.
 TÉCNICAS DE PROYECCIÓN

Elección de un modelo o técnica depende de:

la validez y disponibilidad de los datos históricos,

la precisión deseada,
el costo del procedimiento,
los beneficios del resultado,
los periodos futuros que se deseen pronosticar,
el tiempo disponible para hacer el estudio,
ciclo de vida del producto, producto nuevo o no
etc.
 TECNICAS DE PROYECCION

1. La información de la proyección debe ser expresada en

la forma que sea más útil al preparador del proyecto:
zona geográfica, edad, sexo, etc.
2. La validez de los resultados de la proyección está
relacionada con la calidad de los datos de entrada.
3. Fuentes de información más importantes: series históricas
oficiales de organismos públicos y privados, las opiniones
de expertos y el resultado de encuestas especiales.
METODOS DE PROYECCION

Métodos
Subjetivos

Modelos
Causales

Métodos de
series de tiempo
 CLASIFICACION DE TECNICAS DE PROYECCION

Método Delphi

Consenso de panel

SUBJETIVOS O
Investigación de Mercado
DISCRECIONALES

Pronósticos visionarios

Analogía Histórica
MÉTODOS DE Simple
PROYECCIÓN Promedios móviles
Ponderado
Series de Tiempo

Suavizamiento

OBJETIVOS O
CUANTITATIVOS Regresión
Lineal Simple

Lineal Múltiple
Modelo
Modelos Causales Econométrico
No Lineal

Método de encuesta
de intención de
compra
 Métodos Subjetivos o Discrecionales

 • Método Delphi:
– Reunir a un grupo de expertos en un
panel a quienes se les somete a una
serie de cuestionarios.
– Proceso de retroalimentación después
de cada serie de respuestas.
– Este método postula que la opinión de
varios expertos es mejor que la de uno
solo.
 Métodos Subjetivos o Discrecionales

 Investigación de Mercado:
 Método mas científico, sistemático y objetivo.
 Este método se caracteriza por su flexibilidad para
seleccionar e incluso diseñar la metodología que más
se adecue al problema en estudio.

 Consenso de Panel:
 Se diferencia del método de Delphi en que no existen
secretos de la identidad del emisor de las opiniones.
 no hay retroalimentación dirigida desde el exterior.
 Problema: posibilidad de que surja un grupo dominante
que anule una interacción adecuada.
 Métodos Subjetivos o Discrecionales

 Pronósticos visionarios:
 Se utiliza como alternativa a los ya señalados.
 Se dispone de personal interno capacitado, con
conocimientos técnicos y experiencia.

 Analogía Histórica:
 Se utiliza cuando se identifican mercados similares.
 Problema: suponer que las mismas variables
determinantes en el pasado se mantendrán en el futuro
y tendrán el mismo efecto.
 Métodos Objetivos o Cuantitativos

 Series de Tiempo
– Promedios móviles
– Técnicas de Suavizamiento

 Modelos Causales
– Regresión
– Modelo econométrico
– Encuestas
 Análisis exploratorio

 Diagrama de dispersión.
 Análisis TECA:
 Tendencia:
 Indica la dirección general de los valores estudiados.
 Su principal característica:movimiento constante y
suave a lo largo del tiempo de evaluación.
 Análisis exploratorio

 Estacionalidad:
 Caracterizados por movimientos oscilatorios y aproxi-
madamente regulares de los datos.
 Inferiores a un año (fenómenos de corto plazo).
 Artículos de estación, festividades, vacaciones.
 Ciclicidad:
 Similar a la estacionalidad pero en el mediano y largo
plazo.
 Debido a fenómenos naturales, socioeconómicos
(periodos de recesión o auge económico).
 Análisis exploratorio

 Aleatoriedad:
- Fenómenos que varían de forma completamente
esporádica e imprevisible.
- Efecto provocado por lo general no mensurable,
de corta duración e intensidad variable.
 Técnicas de Proyección Cuantitativas

 Promedios Móviles
– Promedio Móvil Simple:
• Miden el promedio de una variable para cierto
número de periodos seleccionados, cuando
un nuevo periodo es añadido, se desecha el
ultimo, se conserva el número de periodos
seleccionados.

• Se aplica cuando no existe un cambio rápido

en las variables y no existe características de
temporalidad.
 Técnicas de Proyección Cuantitativas

 Promedio Móvil Simple:

Ft = X T-1+X T-2 +…..….+X T-n

N

Donde:

Ft : Pronostico del siguiente periodo

X T-1 : Numero de períodos a ser promediados
N : Ocurrencias del pasado hasta por “n” periodos.
 Técnicas de Proyección Cuantitativas

 Promedio móvil ponderado:

– Asigna un peso diferente a cada uno de los
periodos utilizados para el pronostico.
– Tiene un mejor esquema que el promedio móvil
simple, y puede ser aplicado a datos con
temporalidad.

Ft = W1X T-1+W2X T-2 +……….+WnX T-n

Donde:

Wn: Peso dado a las ocurrencias del periodo “t”, los pesos deben de
sumar 1.
 Técnicas de Proyección Cuantitativas

 Técnicas de suavizamiento.
– Suavizamiento exponencial simple:
• Dar (exponencialmente) mayor peso a las observaciones
recientes en el pronóstico, en lugar de las más antiguas.
• Variable de suavizamiento (a) será determinada o
estimada para asignar el peso a las observaciones.

Ft = Ft-1 + a(At-1 – Ft-1)

Donde:

Ft : Pronóstico del periodo actual (para el primer periodo será igual al valor de A)
Ft-1 : Pronóstico del periodo anterior.
A t-1 : Valor de la observación del periodo anterior.
a : Constante de suavizamiento (0< a 1).
 Técnicas de Proyección Cuantitativas

– Suavizamiento exponencial doble:

• Conocido también como el método de Holt;
incluye el componente de tendencia.
• Tanto la estimación del promedio de los errores
como la estimación de la tendencia son
suavizadas.
 Técnicas de Proyección Cuantitativas

FTt = St-1 + Tt-1

St = FTt + a(At – FTt) Tt = Tt-1 + b(FTt – FTt-1 – Tt-1)

Donde:

FTt : Pronóstico con tendencia en el periodo t

St : Promedio del pronóstico en el periodo t.
Tt : Estimación de la tendencia en el periodo t.
At : Valor de la observación en el periodo t.
a : Constante de suavizamiento para el promedio (0< a 1).
b : Constante de suavizamiento para la tendencia (0< b 1).

Además se debe suponer los siguientes valores iniciales:

SPrimer periodo = APrimer periodo
TPrimer periodo = ASegundo periodo - APrimer periodo
EPrimer periodo = 0
 Técnicas de Proyección Cuantitativas
– Suavizamiento Exponencial de Winters:
• Incluye una nueva constante de suavizamiento para la
estacionalidad.
Donde:
Ft+m = (St + Ttm)It-L+m L : Número de periodos en un patrón estacional (patrón
mensual L=12, trimestral L=4, etc.).
m: Cuántos periodos se quiere pronosticar.
St = a Xt + (1 - a)(St-1 + Tt-1) Ft+m: Pronóstico con tendencia y estacionalidad del periodo
actual más número de periodos anteriores que se desea
pronosticar.
It-1 St: Promedio del pronóstico en el periodo t.
Tt: Estimación de la tendencia en el periodo t.
Tt = b(St – St-1 )+(1– b)Tt-1 It: Estimación de la ciclicidad en el periodo t.
At: Valor de la observación en el periodo t.
a : Constante de suavizamiento para el promedio
(0< a 1).
b : Constante de suavizamiento para la tendencia
It = g Xt + ( 1 - g )It-1 (0< b 1).
g : Constante de suavizamiento para la ciclicidad
(0< g 1).
St
 Técnicas de Proyección Cuantitativas

 REGRESIÓN
– Regresión lineal
• Regresión Lineal Simple:
– Encontrar la ecuación de una recta que mejor se
ajuste a un conjunto de puntos (datos).

Y = a + bX

a = x2 y - x xy b = nxy - x y

nx2 - (x)2 nx2 - (x)2
 Caso: Regresión simple

 Consideremos datos mensuales (33)

de producción y costos de operación
para una empresa británica de
transporte de pasajeros por carretera.
 La producción se mide en términos de
miles de millas-vehículo recorridas por
mes, y los costos se miden en
términos de miles de libras por mes.
 Caso: Regresión simple

Diagrama de Dispersión

Operaciones Mensuales en una Empresa de Transporte de

Pasajeros.

280
Costos Totales

260
(miles)

240
220
200
180
2500.00 3000.00 3500.00 4000.00 4500.00
Millas por vehículo (miles)

Costos Totales (miles) Y Lineal (Costos Totales (miles) Y)

Hallando parámetros a y b:
Y = 64.96 + 0.044674X
 Caso: Regresión simple

Y = 64.96 + 0.044674X

 Conclusión: por cada milla adicional recorrida,

los costos de operación aumentan en
aproximadamente 4.5 centavos (costo
marginal).
 Coeficiente a indica que el costo mensual por la
cantidad de millas recorridas es
aproximadamente 64,960 libras.
 Técnicas de Proyección Cuantitativas

– Regresión Lineal Múltiple:

• Para variables dependientes que están en
función de dos o más independientes.
• Coeficiente de cada variable independiente
mide el efecto por separado que esta tiene
sobre la variable dependiente.

Y = a + b1X1+ b2X2+ ... bmXm

 Técnicas de Proyección Cuantitativas

– Regresión no lineal:
• Para datos que no
muestren una
tendencia lineal.
• Según sea la
dispersión de los datos
(nube de puntos) en el
plano cartesiano,
pueden darse alguna
de las siguientes
relaciones:
Logarítmica,
Exponencial,
Cuadrática, entre
otras.
 Técnicas de Proyección Cuantitativas

– Regresión potencial:
Y = aX b
Para “linealizar ” la función:

Log Y = Log a + b Log X

– Regresión exponencial:

Y = ae(bX)
Para “linealizar ” la función:

Log Y = Log a + b Log X

 Técnicas de Proyección Cuantitativas

 Regresión parabólica o curva cuadrática

Y = a + bX +cX 2
Donde:
Y = Estimación de la variable dependiente
a,b,c = Constantes numéricas
X = Valores de la variable independiente.

Para calcular los valores "a", "b" y "c“:

a = y x4 - x2 x2y c = nx2y - y x2

nx4 - x2 x2 x4 - x2 x2

b = xy

x2
 Técnicas de Proyección Cuantitativas

– La curva logística:
• Constituye un refinamiento del modelo
exponencial para el crecimiento de una
magnitud.

M(t) = KM0ert

K + M0 (ert – 1)

Donde:
K = es la capacidad del sistema
r = es la tasa natural de incremento.
 Exactitud de los Métodos de Predicción

 Desviación estándar (DS):

– Promedio de la distancia de cada punto respecto
del promedio.

 Desviación Absoluta Media (MAD):

– Media aritmética de los valores absolutos de las
desviaciones.
xi − x
D. A.M =  n
=

8 − 8 + 6 − 8 + 10 − 8 + 9 − 8 + 7 − 8 +
=
 Exactitud de los Métodos de Predicción

 Error Medio Cuadrado (EMC).

– Cada error o residual se eleva al cuadrado, luego, se suman y se dividen
entre el número de observaciones.
n

 t t
(Y − ˆ
Y ) 2

EMC = i =1
n
 Porcentaje de Error Medio Cuadrado Absoluto (PEMA).
– Se calcula encontrando el error absoluto en cada periodo,
dividiendo éste entre el valor real observado para ese periodo y
después promediando los errores absolutos de porcentaje.

 | Y − Yˆ | 1
t t
PEMA = t =!
Yt n
 Conclusiones
▪ Las técnicas de proyección, cualquiera sea su naturaleza,
son herramientas que facilitan el análisis de los eventos
del mercado así como favorecen la disminución del riesgo
de incertidumbre.
▪ Son sólo herramientas, no garantizan el éxito en los
resultados.
▪ Dependerá de la capacidad de análisis del especialista,
tanto para elegir la técnica adecuada, como para
interpretar e implementar los resultados obtenidos.
▪ La naturaleza y el grado de complejidad de las técnicas
de proyección utilizadas no son obstáculo para la
investigación ya que existen infinidad de métodos,
bibliografía y software´s para su realización.
▪ La funcionalidad de las técnicas de proyección no está
en el cálculo de los resultados, si no la óptica, uso e
interpretación que se le de a estos.
 Bibliografía
▪ LEVIN. Richard, RUBIN David. Estadística para Administración
y Economía. Prentice Hall , séptima edición México 2004.

▪ QUISPE RAMOS, Rosario. Formulación y Ejecución de

Proyectos de Inversión. Instituto de Investigación “El Pacífico”,
Lima 2006.
▪ KAZMIER, Leonard. Estadística aplicada a la Administración y
Economía. Editorial Mc Graw Hill, México 1991.
▪ CÓRDOVA ZAMORA, Manuel. Estadística Descriptiva e
Inferencial. Editorial Moshera, Lima – Perú 2000.

▪ FREUND, John J. Estadística para la Administración. Prentice

Hall, México 1991.

▪ HANKE, John. Estadística para Negocios. Editorial Irwin,

México 1995.
 Sesión 13 y 14

¡Muchas gracias!
Thank a lot

35