Tecnicas de Proyeccion Del Mercado 333

8/4/2019 Tecnicas de Proyeccion Del Mercado 333

1/14

UNIVERSIDAD MAYOR DE SAN ANDRES

FACULTAD DE CIENCIAS PURAS Y NATURALES

CARRERA DE INFORMATICA

Materia:

Preparacin y Evaluacin de proyectos (INF-333)

Integrantes:

-

Aguilar Villarroel Fernando Ever- Alvarez Pinto Sergio

- Apaza Espejo Melba Ines

- Ayllon Erasmo Paola Carola

- Valdivia Ramos Jonathan

- Villegas Romero Fabian Rodrigo

Docente:

- Mg. Sc. Carlos Mullisaca Choque

La Paz - Bolivia

2011


2/14

CAPITULO 5

TECNICAS DE PROYECCION DEL MERCADO

Introduccin

En el captulo anterior se analizaron los principales componentes del estudio de mercado de un

proyecto. Debido a esto tendremos en cuenta que la estimacin del comportamiento futuro de

algunas de estas variables puede realizarse utilizando diversas tcnicas de pronstico las cuales

sern estudiadas en este captulo.

Cada una de estas tcnicas de proyeccin tienen una aplicacin de carcter especial por lo cual es

decisiva la eleccin correcta de cada una de estas, tomando en cuenta 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 son los factores ms importantes a tomarse en cuenta.

La mayor dificultad al escoger uno de estas tcnicas radica en la posibilidad de la ocurrencia de

eventos que no hayan ocurrido anteriormente, como el desarrollo de nuevas tecnologas, la

incorporacin de competidores con sistemas comerciales no tradicionales, las variaciones en las

polticas econmicas gubernamentales, etc..

Con todo esto aclarado en este captulo veremos la presentacin y el anlisis de las tcnicas ms

importantes para la proyeccin del mercado, como en sus alcances y aplicabilidad.

5.1 El mbito de la proyeccin

Con el fin de seleccionar correctamente uno de los mtodos a seguir el analista deber tomar en

cuenta muchos factores, y este a su vez deber expresar la informacin de la manera ms valiosa

como le sea posible.

La validez de los resultados de la proyeccin est ntimamente asociada con la calidad de los

datos de entrada que sirvieron de base para el pronstico.

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. Aunqueobviamente no podr exigirse una certeza total a alguno de los mtodos, s podr exigirse 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 garantizarsu validez y oportunidad en una situacin histrica.


3/14

5.2 Mtodos de proyeccin

Una manera de clasificar las tcnicas de proyeccin consiste en hacerlo en funcin de su carcter,

esto es, aplicando mtodos de carcter cualitativo, modelos causales y modelos de series de

tiempo.

- Los mtodos de carcter cualitativo se basan principalmente en opiniones de expertos.

- Los modelos de pronstico causales parten del presupuesto de que el grado de influencia de las

variables que afectan el comportamiento del mercado permanece estable, para luego construir un

modelo que relacione ese comportamiento con las variables que se estima son las causantes de

los cambios que se observan en el mercado.

- Los modelos de series de tiempo se utilizan cuando el comportamiento que asume el mercado a

futuro puede determinarse en gran medida por lo sucedido en el pasado, y siempre que est

disponible la informacin histrica de manera confiable y completa.

5.3 Mtodos cualitativos

Estos mtodos son importantes para ocasiones en las cuales los mtodos cuantitativos basados en

informacin histrica no pueden explicar por si solos el comportamiento futuro esperado de alguna

de sus variables o cuando no existen suficientes datos histricos.

La opinin de los expertos es una de las formas subjetivas ms comnmente usadas para estudiar

el mercado. El mtodo Delphi es el ms conocido, este consiste en reunir un grupo de expertos en

calidad de panel, a quienes se les somete a una serie de cuestionarios, con un proceso de

retroalimentacin controlada despus de cada serie de respuestas. Se obtiene as informacin que

tratada estadsticamente, entrega una convergencia en la opinin grupal, de la que nace una

prediccin. El mtodo Delphi se fundamenta en que el grupo es capaz de lograr un razonamiento

mejor que el de una sola persona, aunque sta sea experta en el tema.

Una tcnica similar al mtodo Delphi es la conocida como consenso de panel que se diferencia de

aquella en que no existen secretos sobre la identidad del emisor de las opiniones, y en que no hay

retroalimentacin dirigida desde el exterior.

Este mtodo se basa en la suposicin de que varios expertos sern capaces de producir un

pronstico mejor que un sola persona, no existen secretos y estimulacin la comunicacin.

El peligro del mtodo reside en la posibilidad de que emerja un grupo dominante que anule la

interaccin adecuada y se logre un consenso por su capacidad de argumentacin y no por la

validez de la misma.

Un mtodo mas sistemtico es el de investigacin de mercado, que se usa principalmente para la

recoleccin de la informacin relevante para ayudar a la toma de decisiones.

Para realizar el muestreo existen dos mtodos:

- El probabilstico.- en el que cada elemento elegible tiene la misma probabilidad de ser

muestreado.


4/14

- El no probabilstico.- en el la probabilidad de ser elegible no es igual para toda la poblacin

muestral.

En este sentido se requiere una estratificacin previa a la toma de encuesta, para determinar el

espacio muestral. La estratificacin consiste en a aquellos que efectivamente usan el servicio

propuesto.

El calculo del tamao de la muestra es fundamental para la confiabilidad de los resultados. Para

realizar estos clculos de la muestra se puede utilizar la siguiente formula:

n = 2

Z2

e2

donde n es el tamao de la muestra, 2es la desviacin estndar, Z el valor critico de la

distribucin normal para un nivel de confianza deseado, y e2el nivel de error maxim opermitido.

El valor de Z se obtiene de una tabla de probabilidades de una distribucin normal y se conoce

como el numero de errores estndar asociados con el nivel de confianza.

La aplicacin de un cuestionario a la muestra busca medir acitudes y comportamientos esperados

del mercado. Para ello es conveniente aplicar lo que se denomina tcnica estructurada, que

consiste en facilitar respuestas breves, simples especificas y con opciones limitadas.

La teora ofrece cuatro formas bsicas para elaborar escalas o mediciones en ciencias sociales:

nominal, ordinal, de intervalos y proporcional.

- La nominal consiste en solicitar al encuestado que mencione por ejemplo, la marca que

usa de un determinado producto, el medio de difusin donde vio la publicidad o donde lo

compro.

- El ordinal consiste en solicitar al encuestado que ordene datos de acuerdo con su

preferencia personal, calificando lo en una escala de valores dada.

- La escala de intervalos permite hacer comparaciones cuando se preguntra acerca de la

edades, los ingresos, o cuando el encuestado tiene una visin calara pero no exacta de su

respuesta.

- La escala proporcional se aplica cuando se desea explicitar mediciones como volumen,

peso o distancia.

En general las encuestas se emplean en la medicin de volmenes esperados de venta,

preferencias de calidad y precio, hbitos de compra, etc..

La investigacin de mercados basada en muestreo no probabilstico se puede tipificar en tres

categoras:

- Muestreo de estratos.- se predetermina en estrato de la poblacin segn los intereses

particulares de la investigacin.

- Muestreo de conveniencia de sitio.- se predetermina el lugar donde se aplicara la

encuesta, segn donde se estima estar presente el consumidor objeto del inters de

estudio.

- Muestreo de bola de nieve.- se encuesta en una primer estancia al azar, usando las

respuestas obtenidas como elementos referenciales para una encuesta posterior mas

dirigida.


5/14

Entre otros mtodos se encuentran: el mtodo pronsticos visionarios y el mtodo cualitativo

analizado de la analoga histrica.

5.4 Modelos causales

Intentan proyectar el mercado sobre la base antecedentes cuantitativos histricos; para ello,

suponen que los factores condicionantes del comportamiento histrico de alguna o todas lasvariables del mercado permanecern estables.

Los modelos causales de uso ms frecuente son el modelo de regresin, el modelo econmico y el

modelo de insumo producto llamado tambin mtodo de los coeficientes tcnicos.

Las causales explicativas se definen como variables independientes y la cantidad demandada, u

otro elemento del mercado que se desea proyectar, se define como variable dependiente. La

variable dependiente, en consecuencia, se explica por la variable independiente.

5.4.1Modelo de regresin

Permite elaborar un modelo de pronstico basado en estas variables, el cual puede tener desdeuna hasta n variables independientes. Sin embargo la eleccin del nmero de variables

independientes depende del total de observaciones obtenidas para la variable dependiente y cada

una de las explicativas.

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 la

base de una variable independiente, mientras que el segundo indica que la medicin se basa en

dos o ms variables independientes. En ambos casos, aunque los valores de la variable

independiente pueden ser asignados es decir, que estn dados por el analista, los de la variable

dependiente deben obtenerse por medio del proceso de muestreo.

De la observacin de las variables se deriva un diagrama de dispersin que indica la relacin entreambas, grficamente se representa la variable independiente xcon relacin al eje horizontal, y el

valor de la variable dependiente ycon relacin al eje vertical. Cuando la relacin entre ambas no

son lineales es usual determinar un mtodo de transformacin de valores para lograr una relacin

lineal.

El paso siguiente es determinar la ecuacin lineal que mejor se ajuste a la relacin entre las

variables observadas. Para ello se utiliza el mtodo de los mnimos cuadrados. Matemticamente

la forma de la ecuacin de regresin lineal es

()

Donde y (x) es el valor estimado de la variable dependiente para un valor especfico de la variableindependiente x, a es el punto de interseccin de la lnea de regresin con el eje y, b es 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 se puede entender como el valor

promedio de y cuando x es cero. Igualmente b se puede entender como el cambio ante y ante una

cambio marginal en x.

El criterio de 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


6/14

dependiente para la informacin muestral. Se derivan las siguientes expresiones para la pendiente

y el intercepto respectivamente:

()()() ()()()

Donde y son las medidas de las variables y n el nmero de observaciones.Al ser el modelo de regresin un mtodo estadstico, es posible determinar la precisin y

confiabilidad de los resultados de la regresin.

El coeficiente de la correlacin r mide el grado de asociacin lineal entre x e y. sin embargo, es

ms utilizado el coeficiente de determinacin r2que indica que tan correcto es el estimado de la

ecuacin de la regresin, cuando ms alto sea ms confianza se podr tener en el estimado de la

lnea de regresin y se calcula por:

(())

(())

[()()]

[

(

)][

(

)]

Para determinar la desviacin estndar de la variable dependiente se calcula por:

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 constante,

mas de una variacin constante en cada periodo, para expresar de mejor forma el ajuste de la

tendencia de los datos. La expresin de la ecuacin exponencial es:

() ) () ()

Donde ges la tasa de crecimiento porcentual constante que se estima para el futuro.

Modelo de regresin mltiple, se aplica cuando hay dos o mas variables independientes que deben

usarse para calcular el valor de la variable dependiente y asume la foma:

La solucin de la ecuacin exige procedimientos bastante complejos para determinar el valor de

las constantes. Sin embargo en la actualidad existen programas computacionales disponibles que

facilitan su clculo. En trminos generales, la lgica de la solucin es la subyace en los modelos de

regresin lineal, es decir haciendo uso del mtodo de mnimos cuadrados ordinario o de mxima

verosimilitud, estos pueden identificar las relaciones entre las variables.

5.4.2Modelo de economtrico

Segn los diferentes autores se tienen las siguientes definiciones:


7/14

Dervitsiotis: es un sistema de ecuaciones estadsticas que interrelacionan a la actividades de

diferentes sectores de la economa y ayudan a evaluar la repercusin sobre la demanda de un

producto o servicio, en este sentido es una prolongacin del anlisis de regresin.

Lira: define un modelo para estimar la demanda de un producto, que parte de la base de que el

precio se determina por la interaccin de la oferta y la demanda. Su modelo se define como:

Donde es una cantidad ofrecida, cantidad demandada, s es el cambio en el inventario deproductos terminados, X el nivel de exportaciones y M el nivel de importaciones.

El modelo economtrico no admite externalidades de ningn tipo, ni por eventuales cambios

derivados de la expansin de la produccin o por rendimientos operativos fluctuantes que afecten

los niveles productivos, por eso seala que es un modelo a corto plazo.

5.4.3 Modelo insumo - producto

Mtodo de los coeficientes tcnicos, que permite identificar las relaciones interindustriales que seproducen entre sectores de la economa, mediante una matriz que implica suponer el uso de

coeficientes tcnicos fijos por parte de las distintas industrias.

Para estimar la demanda de un sector especfico, el modelo descompone la demanda entre bienes

finales 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 sector y los dems elementos que puedan 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 restantes, y se utiliza la metodologa de anlisis de regresin.

5.5 Modelos de Series de Tiempo

Una serie de tiempo est dado por un conjunto de observaciones que estn ordenadas en eltiempo, y que estas pueden representar el cambio de una variable ya sea de tipo econmica, fsica,qumica, biolgica, etc, a lo largo esa historia.

El objetivo del anlisis de una serie de tiempo es el conocimiento de su patrn de comportamiento,para as poder prever su evolucin en el futuro cercano, suponiendo por supuesto que lascondiciones no variarn significativamente.

Los pronsticos que se puedan realizar en base al anlisis de este tipo de datos serviran para eldesarrollo de nuevos planes para inversiones en agricultura por ejemplo, elaboracin de nuevos

productos por parte de las empresas, prevencin de desastres por cambios en el clima, o captarturistas para la ciudad, etc.

5.5.1 Representacin de una Serie Temporal

Para realizar la representacin de una serie temporal se debe realizar mediante una grfica dedispersin x-y como se muestra en la fig.1
http://www.monografias.com/trabajos2/mercambiario/mercambiario.shtmlhttp://www.monografias.com/Fisica/index.shtmlhttp://www.monografias.com/Quimica/index.shtmlhttp://www.monografias.com/Historia/index.shtmlhttp://www.monografias.com/trabajos16/objetivos-educacion/objetivos-educacion.shtmlhttp://www.monografias.com/trabajos/epistemologia2/epistemologia2.shtmlhttp://www.monografias.com/trabajos16/comportamiento-humano/comportamiento-humano.shtmlhttp://www.monografias.com/trabajos35/el-poder/el-poder.shtmlhttp://www.monografias.com/trabajos16/teoria-sintetica-darwin/teoria-sintetica-darwin.shtmlhttp://www.monografias.com/trabajos14/prono/prono.shtmlhttp://www.monografias.com/trabajos12/desorgan/desorgan.shtmlhttp://www.monografias.com/trabajos12/cntbtres/cntbtres.shtmlhttp://www.monografias.com/Agricultura_y_Ganaderia/index.shtmlhttp://www.monografias.com/trabajos12/elproduc/elproduc.shtmlhttp://www.monografias.com/trabajos11/empre/empre.shtmlhttp://www.monografias.com/trabajos/clima/clima.shtmlhttp://www.monografias.com/trabajos11/tebas/tebas.shtmlhttp://www.monografias.com/trabajos11/tebas/tebas.shtmlhttp://www.monografias.com/trabajos/clima/clima.shtmlhttp://www.monografias.com/trabajos11/empre/empre.shtmlhttp://www.monografias.com/trabajos12/elproduc/elproduc.shtmlhttp://www.monografias.com/Agricultura_y_Ganaderia/index.shtmlhttp://www.monografias.com/trabajos12/cntbtres/cntbtres.shtmlhttp://www.monografias.com/trabajos12/desorgan/desorgan.shtmlhttp://www.monografias.com/trabajos14/prono/prono.shtmlhttp://www.monografias.com/trabajos16/teoria-sintetica-darwin/teoria-sintetica-darwin.shtmlhttp://www.monografias.com/trabajos35/el-poder/el-poder.shtmlhttp://www.monografias.com/trabajos16/comportamiento-humano/comportamiento-humano.shtmlhttp://www.monografias.com/trabajos/epistemologia2/epistemologia2.shtmlhttp://www.monografias.com/trabajos16/objetivos-educacion/objetivos-educacion.shtmlhttp://www.monografias.com/Historia/index.shtmlhttp://www.monografias.com/Quimica/index.shtmlhttp://www.monografias.com/Fisica/index.shtmlhttp://www.monografias.com/trabajos2/mercambiario/mercambiario.shtml


8/14

Fig.1. Representacin de una serie temporal

5.5.2 Componentes de una serie temporal

5.5.2.1 Tendencia

La tendencia es un movimiento de larga duracin que muestra la evolucin general de la serie enel tiempo.

La tendencia es un movimiento que puede ser estacionario o ascendente, y su recorrido, una lnearecta o una curva. Algunas de las posibles formas son las que se muestran en la fig.2

Fig.2. Representacin de la tendencia

La tendencia es un movimiento que puede ser estacionario o ascendente o descendente como seindica en la fig.3
http://www.monografias.com/trabajos15/kinesiologia-biomecanica/kinesiologia-biomecanica.shtmlhttp://www.monografias.com/trabajos15/kinesiologia-biomecanica/kinesiologia-biomecanica.shtml


9/14

Fig. 3 Tendencias ascendente, estacionaria y descendente

Tambin son posibles algunas formas para la tendencia, que no necesariamente tiene unadistribucin de puntos en forma aproximadamente lineal sino como las que se muestran en la fig. 4

Fig.4 Lneas de tendencia de otras posibles formas.

5.5.2.2 Variaciones estacionales.

Se habla de este tipo de variaciones usualmente cuando el comportamiento de la variable en eltiempo en un periodo est relacionado con la poca o un periodo particular, por lo general en elespacio cronolgico presente.

Fig. 5 Variaciones estacionales

5.5.2.3 Variaciones cclicas

Se llama as a las oscilaciones a lo largo de una tendencia con un periodo superior al ao. El ciclosugiere la idea de que este tipo de movimiento se repite cada cierto periodo con caractersticas
http://www.monografias.com/trabajos11/travent/travent.shtmlhttp://www.monografias.com/trabajos11/travent/travent.shtml


10/14

parecidas. Los ejemplos ms frecuentes se encuentran en el campo de las variables econmicas,en estos casos se deben principalmente a la alternancia de las etapas de prosperidad y depresinen la actividad econmica.

5.5.2.4 Variaciones residuales

Cuando a parecen hechos imprevistos, repentinos que afecten las variables en estudio acotandoque no podemos prever nos hallamos frente a variaciones residuales provocadas por factoresexternos o aleatorios.

Por ejemplo un da lluvioso y frio durante el verano es difcil de predecir y aunque perturbaraciertas actividades diarias como la venta de helados no afectara en este caso significativamente laserie.

5.5.3. Anlisis de la Tendencia

En la practica es difcil distinguir la tendencia del comportamiento cclico. Por ejemplo la grficapuede conducirnos a concluir que existe una tendencia ascendente en la parte de 1980 a 1982,

pero esto es una parte de la serie de tiempo ms grande.

Fig, 6 Tendencias decrecientes, crecientes entre periodos de tiempo

5.5.3.1 Mtodo Grfico

Mediante este mtodo muy elemental se determina la tendencia a partir de una representacingrafica de la serie.la aplicacin de este mtodo es como sigue

Se representa grficamente la serie cronolgica

Se unen los extremos superiores de la serie, se hace los mismo con los inferiores

Se obtiene dos lneas que encierran a la serie original

Uniendo los puntos medios de las distancias entre las dos lneas o curvas se obtiene latendencia. La lnea o curva de tendencia obtenida tendr un trazad mucho ms suave quela serie original.
http://www.monografias.com/trabajos12/guiainf/guiainf.shtml#HIPOTEShttp://www.monografias.com/trabajos12/curclin/curclin.shtmlhttp://www.monografias.com/trabajos11/metods/metods.shtmlhttp://www.monografias.com/trabajos14/medios-comunicacion/medios-comunicacion.shtmlhttp://www.monografias.com/trabajos14/medios-comunicacion/medios-comunicacion.shtmlhttp://www.monografias.com/trabajos11/metods/metods.shtmlhttp://www.monografias.com/trabajos12/curclin/curclin.shtmlhttp://www.monografias.com/trabajos12/guiainf/guiainf.shtml#HIPOTES


11/14

Fig. 7 Representacin tendencia estacionaria

5.5.3.2 Mtodo de las medias mviles

Para este mtodo se deben de considerar los siguientes pasos que se detallan

Observar con detenimiento la serie para determinar aproximadamente la fluctuacin conperiodo ms largo y llamamos al nmero de observaciones que formanuna oscilacincompleja.

Se procede a calcular una serie de medias. La primera de ellas se calcula a partir de lasprimeras observaciones de la serie pero eliminando la primera observacin y aadiendo ala inmediata posterior. Se prosigue as hasta calcular la media de la ltima qobservaciones.

Cada una de las medias obtenidas en el paso anterior se asigna al instante o momentocentral del periodo temporal que promedian.

Uniendo las medias se obtiene la tendencia.

5.5.4. APLICACIN

Caso 1: Produccin de Motocicletas en una empresa japonesa, periodo 1974 - 1990

En la siguiente tabla se tiene la produccin de motocicletas de una empresa (en millones de motos)en un periodo de 17 aos que se muestra en la tabla N 1

Tabla N1

Venta de Motocicletas en un periodo de 17 aos

(Produccin en millones de motocicletas)

Aos Produccin Aos Produccin Aos Produccin

1974 2.1 1980 2.2 1986 2.1

1975 1.9 1981 2.0 1987 1.9
http://www.monografias.com/trabajos54/produccion-sistema-economico/produccion-sistema-economico.shtmlhttp://www.monografias.com/trabajos11/empre/empre.shtmlhttp://www.monografias.com/trabajos11/empre/empre.shtmlhttp://www.monografias.com/trabajos11/empre/empre.shtmlhttp://www.monografias.com/trabajos11/empre/empre.shtmlhttp://www.monografias.com/trabajos54/produccion-sistema-economico/produccion-sistema-economico.shtml


12/14

1976 1.7 1982 1.8 1988 1.5

1977 1.5 1983 1.7 1989 1.4

1978 1.6 1984 1.9 1990 2.5

1979 2.0 1985 2.4 ---- -----

Se traslada los datos a Microsoft Excel, ordenados en dos columnas, luego se realiza la grfica delos datos.

Se obtiene la grfica mostrada en la fig.8

Fig. 8 Representacin de la serie de tiempo para las motocicletas por ao

En la grafica se observa que los aos donde se registra mayor produccin son 1974, 1980,1985,1990

Entonces podemos tomar cada cinco aos como la cantidad de aos para la cual la empresarealiza su mayor produccin.

Sin embargo es conveniente encontrar una lnea de tendencia tal que se pueda hallar unaecuacin ajustada para los pronsticos de la produccin en el tiempo.

Utilizando el mtodo de la media mvil

Se construye una nueva tabla con las medias mviles

Esto es para suavizar la distribucin de puntos
http://www.monografias.com/trabajos13/quienbill/quienbill.shtmlhttp://www.monografias.com/trabajos16/sepa-excel/sepa-excel.shtmlhttp://www.monografias.com/trabajos11/empre/empre.shtmlhttp://www.monografias.com/trabajos14/prono/prono.shtmlhttp://www.monografias.com/trabajos14/prono/prono.shtmlhttp://www.monografias.com/trabajos11/empre/empre.shtmlhttp://www.monografias.com/trabajos16/sepa-excel/sepa-excel.shtmlhttp://www.monografias.com/trabajos13/quienbill/quienbill.shtml


13/14

Fig. 9 Serie original y serie suavizada por los promedios mviles

Hallando la lnea de tendencia

En Microsoft Excel, la lnea de tendencia para la curva suavizada se obtiene fcilmente y senuestra en la fig 10

Fig. 10. Lnea de tendencia con R2 = 0.4169

El coeficiente de determinacin es muy pequeo por lo que no se puede asegurar categricamenteque la ecuacin lineal hallada es la que pronostica la produccin en los aos posteriores.

Ser necesario realizar un segundo arreglo con medias mviles

El problema ahora es que el periodo donde alcanza la mayor produccin es un numero par deaos, por lo que se hace difcil en la tabla hallar el ao central, realizando el promedio de

Fig.11 Suavizando la lnea de tendencia por segunda vez


14/14

La fig. 11 muestra la segunda suavizada de la lnea de tendencia, no ha variado mucho conrespecto a la primera.

Documents

Tecnicas de Proyeccion Del Mercado 333