• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Pecp- Técnicas de Proyección o Pronóstico de Mercado
 

Pecp- Técnicas de Proyección o Pronóstico de Mercado

on

  • 751 views

Esta presentación tiene como finalidad, dar a conocer e informar un poco sobro las diversas Técnicas de Proyección o Pronóstico de Mercado

Esta presentación tiene como finalidad, dar a conocer e informar un poco sobro las diversas Técnicas de Proyección o Pronóstico de Mercado

Statistics

Views

Total Views
751
Views on SlideShare
725
Embed Views
26

Actions

Likes
0
Downloads
21
Comments
0

1 Embed 26

http://campusvirtual.monagas.udo.edu.ve 26

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Pecp- Técnicas de Proyección o Pronóstico de Mercado Pecp- Técnicas de Proyección o Pronóstico de Mercado Presentation Transcript

    • Universidad de OrienteDepartamento de Ingeniería de SistemasPreparación, Evaluación y Control de Proyectos (071-4153)Integrantes:Arias, LuísMillán, RosaOsorio, MaríaEquipo: IrlandaProfesor:Jesús ChaparroSección: 01Maturín, Mayo 2013
    • La proyección es una estimación acerca de la potencial situación deuna empresa o del progreso de un plan en un punto particular delfuturo.Las proyecciones económicas son estudios que buscandescribir cómo será el crecimiento de una economía en undeterminado lapso de tiempo hacia el futuro.
    • Se basa en opiniones de expertos que evalúan elcomportamiento futuro de variables. esto puede realizarse utilizandodiversas técnicas de pronóstico.• Métodos Cualitativos.• Métodos Cuantitativos• Series de Tiempo- Componentes básicos en un análisis de serie detiempo- Campos de aplicación de las series de tiempo• Relación y Correlación Lineal- Regresión simple- Regresión múltiple- Aplicaciones de la Regresión Lineal- Correlación lineal
    • Se emplean cuando la situación no es clara y hay pocos datos, loscuales requieren de intuición y experiencia.
    • Es un método de pronóstico en el cual se hace un resumen delas opiniones, la experiencia y los conocimientos técnicos de uno ovarios expertos de alto nivel o directivos, para llegar a un solopronóstico.Hay que tener en mente las desventajas de lainteracción grupal en este sentido:• Que haya mucha gente no garantiza que haya opinionesconocedoras realmente del tema.• Las posiciones muy probablemente escondan interesespersonales.• Hay gran vulnerabilidad a la posición y personalidad dealgunos de los individuos.
    • Es un proceso para obtener el consenso dentro de un grupode expertos, al tiempo que se respeta el anonimato de susintegrantes.Un coordinador envía preguntas a cada uno de losmiembros del grupo de expertos, quienes tal vez ignoran quienmas esta participando.El coordinador prepara un resumen estadístico de lasrespuestas. Este informe se envía al mismo grupo para otra rondade opiniones y los participantes puedan modificar sus respuestasanteriores si así lo desean. Las rondas continúan hasta llegar a unconsenso.
    • El personal comercial se agrupa y revisa la estimación deventas esperadas por los vendedores, y luego se obtiene unpronóstico global.Hay que tener cuidado con los intereses que pueden tener,ya que normalmente van a subestimar o sobreestimar en función dela metodología de incentivos por ventas que se encuentre envigencia.Si cobran un porcentual sobre las ventas, sobreestimarán lademanda con tal de que no les falta producto para vender. Si cobranen función al grado en el cual superan un objetivo, subestimarán lademanda.
    • Requiere información delos clientes sobre susintenciones futuras de compra.Esto incluye tanto suspreferencias, experiencia con elproducto, y necesidades, comouna definición del preciomáximo que estaríandispuestos a pagar o lacantidad que demandarían a undeterminado precio.
    • Los modelos cuantitativos de pronósticos son modelosmatemáticos que se basan en datos históricos. Estos modelossuponen que los datos históricos son relevantes para el futuro.
    • Uno de los métodos más sencillos es usar el último dato comopronostico para el siguiente periodo, es decir, el pronóstico de lademanda para el siguiente periodo es igual a la demandaobservada en el periodo actual.Por ejemplo, si la demanda real para el miércoles ha sido 35clientes, la demanda para el jueves será 35 clientes. Si lademanda real del jueves es 42 clientes, la demanda pronosticadapara el viernes será de 42 clientes.
    • Consiste simplemente en tomar la media aritmética de lasdemandas de los períodos anteriores. Se utiliza si no hay tendencia osi ésta es escasa. Se suelen utilizar para suavizar o alisar lasirregularidades a corto plazo en las series de datos. Su ecuación es:También se usa la Media Móvil Ponderada, que se utilizacuando se presenta una tendencia. Las ponderaciones se basan en laintuición y en el análisis de datos previos. las ponderaciones suelenestar ente 0 y 1 y la suma dar 1,0. Ante cambios importantes de lademanda, puede seguir siendo muy lenta la respuesta.
    • Es un caso especial de pronóstico de media móvil ponderada,donde ahora los factores de ponderación disminuyenexponencialmente, dándole más peso a los períodos másrecientes. Se necesita una constante de alisado alfa, quetoma valores entre 0 y 1, eligiéndola de forma subjetiva.Viendo la fórmula uno podría preguntarse por qué tener encuenta para un pronóstico un valor pronosticado en el pasado enlugar de utilizar el valor real. Para encontrar la respuesta, basta conabrir la expresión reemplazando progresivamente las expresiones deFt-i, y se obtiene:En esta expresión se puede ver entonces que en realidad lo quese está haciendo es ponderando los valores reales anteriores, en formasuavizada. O sea que en Ft-1 está contenida toda la información realhistórica.
    • Si se desea pronosticar una demanda para el siguienteperiodo, es recomendable el uso de un promedio móvil simple de unnúmero determinado de periodos.Se presenta a continuación un promedio móvil simple,haciendo un pronóstico con datos trimestrales. Si la demandatrimestral de un producto es en cada uno de los últimos cuatrotrimestres de 180, 250,210 y 150, el valor de Pm1 sería de:Pm1 = (180 + 250+210+150) / 4 = 197.50En esta forma Pm1 abarcará el periodo comprendido entre lostrimestres 1 y 4, Pm2 entre 2 y 5, y así sucesivamente.El efecto estacional y algunas influencias no sistemáticas sedeterminan mediante el índice estacional específico. Al definir losvalores Pm1 y Pm2, por ejemplo, se está midiendo un intervalo en elcual Pm1 queda entre T2 y T3 y Pm2 entre T3 y T4.
    • Por esto, ninguno de los dos es representativo de estostrimestres. Se vuelve necesario determinar un promedio móvil centrado(PMC), calculando la media entre dos promedios móviles, de la siguienteforma:Con el objeto de aislar el efecto estacional correspondiente a untrimestre, T3 por ejemplo, se divide la demanda real de ese periodo porel PMC correspondiente. Así, el índice estacional específico (IE) podríaexpresarse:IE3 = T3 / PMC1
    • Por ejemplo, si los índices estacionales fuesen calculados:Invierno IE1 = 0.799Primavera IE2 = 1.197Verano IE3 = 1.092Otoño IE4 = 0.912= 4.000Si la proyección de tendencia para el año siguiente fuese de6.237, se procede a calcular el promedio trimestral dividiendo laproyección anual por cuatro:6.237/4 = 1.55295que corresponde a la demanda trimestral desestacionalizada.Empleando los valores de los índices estacionales se tiene:(1.55925) (0.799) = 1.24584 Invierno(1.55925) (1.197) = 1.86642 Primavera(1.55925) (1.092) = 1.70270 Verano(1.55925) (0.912) = 1.42204 Otoño= 6.23700 Total anual
    • Precios de venta en díassucesivos.Exportaciones totales ensucesivos años.Beneficios de unaempresa en sucesivosañosLluvias en sucesivosdías.Temperatura ensucesivas horas.Presión atmosféricaen diversos días.Población de unpaís medidaanualmente.Procesos decontrol Procesosbinarios
    • La regresión y la correlación son dos técnicasestrechamente relacionadas y comprenden una forma deestimación.El análisis de correlación y regresión comprende el análisisde los datos muéstrales para saber que es y como se relacionanentre si dos o mas variables en una población.Los datos necesarios para análisis de regresión y correlaciónprovienen de observaciones de variables relacionadas.
    • La ecuación lineal que representa el modelo de regresiónlineal simple es:
    • Dada la muestra {(Xi, Yi), i=1,2,3…n}. Las estimaciones demínimos cuadrados a y b de los coeficientes de regresión secalculan por medio de las formulas:
    • Las calificaciones de un grupo de estudiantes en su reportede medio año (x) y en los exámenes finales (y) fueron los siguientes:a)Estime la línea de regresión linealb)Estime la calificación de examen final de un estudiante que obtuvouna calificación de 85 en el reporte de medio año.
    • • Se elabora una tabla con los valores X y Y necesarios para hallar losvalores de A y B.• Las respectivas sumas de estos valores de sustituye en lasfórmulas de A y B.
    • N= 9 (Número de muestras)b= 0.7771416a= 12.0623211Y= 78.119357 Calificación final alumno con 85en el parcial.La gráfica correspondiente es la que sigue:
    • La regresión lineal nos permite trabajar con una variable anivel de intervalo o razón, así también se puede comprender larelación de dos o más variables y nos permitirá relacionar medianteecuaciones, una variable en relación a otras variables llamándoseRegresión múltiple.Manejar varias variables independientes cuenta con variosparámetros. Se expresan de la forma:
    • Dispone de una ecuación con dos variables independientesadicionales:Se puede ampliar para cualquier número "m" de variablesindependientes:Para poder resolver y obtener a, b1 y b2 en una ecuación deregresión múltiple el cálculo se presenta muy tedioso porque se tieneatender 3 ecuaciones que se generan por el método de mínimo decuadrados:Para poder resolver se puede utilizar programas informáticos como AD+, SPSSy Minitab y Excel.
    • El error estándar de la regresión múltiple: Es una medida dedispersión. La estimación se hace más precisa conforme el grado dedispersión alrededor del plano de regresión. Para medirla se utiliza lafórmula:Y : Valor observado en la muestra: Valor estimado a partir de la ecuación de regresiónn : Número de datosm : Número de variables independientes
    • El coeficiente de determinación múltiple: Mide la tasaporcentual de los cambios de Y que pueden ser explicados por X1, X2 yX3 simultáneamente. Se define como el cociente entre la variabilidadexplicada por la regresión y la variabilidad total, esto es:
    • Mediante el siguiente problema podremos ilustrar la aplicación deRegresión Múltiple:En la Facultad de Ingeniería de Sistemas de la Universidad "Inca Garcilasode la Vega" se quiere entender los factores de aprendizaje de los alumnos quecursan la asignatura de PHP, para lo cual se escoge al azar una muestra de 15alumnos y ellos registran notas promedios en las asignaturas de Algoritmos, Basede Datos y Programación como se muestran en el siguiente cuadro. Lo quebuscamos es construir un modelo para determinar la dependencia de aprendizajereflejada en las notas de la asignatura de PHP, conociendo las notas de lasasignaturas Algoritmos, Base de Datos y Programación.
    • Se presenta la siguiente ecuación a resolver:Solución:Utilizando las fórmulas de las ecuaciones normales a losdatos obtendremos los coeficientes de regresión o utilizandoRegresión de Análisis de datos, en la Hoja de Cálculo de Excelpodemos calcular también los coeficientes de regresión:Por lo tanto podemos construir la ecuación de regresión quebuscamos:
    • El Error Estándar de Regresión Múltiple : Para calcularlo se haceuso de su formula. En los resultados de Excel se llama error típicoy para explicar la relación del aprendizaje de PHP que se vienedesarrollando es de 0.861.El coeficiente de determinación múltiple: Utilizaremos paradeterminar la tasa porcentual de Y para ser explicada lasvariables múltiples, sustituyendo en la formula:
    • Línea de Tendencia: Representa una tendencia en una seriede datos obtenidos a través de un largo período. Este tipo de líneaspuede decirnos si un conjunto de datos en particular (como porejemplo, el PBI, el precio del petróleo o el valor de las acciones) hanaumentado o decrementado en un determinado período.En medicina, las primeras evidencias relacionando lamortalidad con el fumar tabaco vinieron de estudios que utilizabanla regresión lineal.
    • La correlación indica la fuerza y la dirección de una relaciónlineal y proporcionalidad entre dos variables estadísticas. Seconsidera que dos variables cuantitativas están correlacionadascuando los valores de una de ellas varían con respecto a los valoresde la otra: si tenemos dos variables (A y B) existe correlación si alaumentar los valores de A lo hacen también los de B y viceversa.El coeficiente de correlación lineal es el cociente entre lacovarianza y el producto de las desviaciones típicas de ambasvariables. El coeficiente de correlación lineal se expresa mediante laletra r.
    • 1. El coeficiente de correlación no varía al hacerlo la escala de medición.2. El signo del coeficiente de correlación es el mismo que el de lacovarianza.3. El coeficiente de correlación lineal es un número real comprendidoentre −1 y 1.4. Si el coeficiente de correlación lineal toma valores cercanos a −1 lacorrelación es fuerte e inversa.5. Si el coeficiente de correlación lineal toma valores cercanos a 1 lacorrelación es fuerte y directa.6. Si el coeficiente de correlación lineal toma valores cercanos a 0, lacorrelación es débil.7. Si r = 1 ó −1, están sobre la recta creciente o decreciente. Entreambas variables hay dependencia funcional.
    • Las notas de 12 alumnos de una clase en Matemáticas y Física sonlas siguientes:Hallar el coeficiente de correlación de la distribución e interpretarlo
    • Se elabora una tabla con los respectivos valores deXi y Yi que se usarán para realizar los cálculos.1º Hallamos las medias aritméticas.2º Calculamos la covarianza.3º Calculamos las desviaciones típicas.Al ser el coeficiente de correlación positivo, la correlación es directa.Como coeficiente de correlación está muy próximo a 1 la correlaciónes muy fuerte.4º Aplicamos la fórmula del coeficiente decorrelación lineal.