Professional Documents
Culture Documents
Proyeccin de Demanda
Cada una de las tcnicas de proyeccin tiene una aplicacin de
carcter especial que hace de su seleccin un problema decisional
influido por diversos factores, como por ejemplo,
la validez y disponibilidad de los datos histricos,
la precisin deseada del pronstico,
el costo del procedimiento,
los beneficios del resultado,
los perodos futuros que se desea pronosticar, y
el tiempo disponible para hacer el estudio, entre otros
Proyeccin de Demanda
Proyeccin de Demanda
Se debe
buscar:
Precisin
y
objetividad
Sensibilidad
Mtodos de Proyeccin
MTODOS
CUALITATIVOS
O SUBJETIVOS.
MTODOS
CAUSALES.
MTODOS DE
SERIE DE
TIEMPO.
Delphi
Paneles
Encuestas
Curvas logsticas (curva S)
Algunas desventajas
Mtodos Causales
Mtodos Causales
Mtodos Causales
Se pueden
sealar tres
etapas para
el diseo de
un modelo de
proyeccin
causal:
a.
b.
c.
Mtodos Causales
Los modelos
causales de
uso ms
frecuente
son :
Modelo de Regresin
Modelo Economtrico
Mtodo de encuestas de intenciones de
compra
Modelo de insumo-producto
Anlisis de Regresin
Anlisis de Regresin
De la observacin de estas variables se deriva un diagrama de dispersin que indica la
relacin entre ambas
Y= a + b x
Y= Variable estimada
y = Variable dependiente
X = Perodo
a = Interseccin de Y
b = Pendiente
Anlisis de Regresin
Es una relacin funcional entre dos
variables correlacionadas, formando una
lnea recta, donde:
y es el valor estimado de la variable
dependiente para un valor especfico de
la variable independiente 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,
X es el valor especfico de la variable
independiente
Anlisis de Regresin
Anlisis de Regresin
)
#
&#
&,2
+n Xy% X (% y (.
$
'$
'*
2
r =)
,)
,
+
#
&2 .+
#
&2 .
2
2
+n X % X ( .+n y % y ( .
$
' .+
$
' .
+
*
-*
-
Anlisis de Regresin
Anlisis de Regresin
El error estndar de la
variable estimada y,
designado como Se, se
define como la desviacin
estndar de la regresin y
se calcula por medio de la
siguiente ecuacin:
Se =
2
y
a y bXy
n2
Anlisis de Regresin
Entonces, si suponemos que los trminos del error estn
normalmente distribuidos en torno a la lnea de regresin, la
mayor precisin se asocia con los errores estndares ms
pequeos de la estimacin.
La tendencia
La estacionalidad
El componente Cclico
La componente no sistemtica
Donde:
Ao = variable
dependiente (y).
Demanda = variable
independiente (X).
Ao
1990
1991
1992
1993
1994
1995
1996
1997
1998
Demanda
10
20
30
45
70
90
125
150
180
X
-5
-4
-3
-2
-1
0
1
2
3
4
5
0
Y
10
20
30
45
70
90
125
150
180
220
270
1210
XY
-50
-80
-90
-90
-70
0
125
300
540
880
1350
2815
X2
25
16
9
4
1
0
1
4
9
16
25
110
Y2
100
400
900
2.025
4.900
8.100
15.625
22.500
32.400
48.400
72.900
208.250
) ( ) ( ) = 30.965 = 25,59
1.210
11 (110) (0)
11 2.815 0 1.210
2
"0%
1.210
a=
25,59$ ' = 110
11
# 11 &
()
Y el coeficiente de
determinacin sera:
( ) ( )( )
( ) () (
) (
Tambin es posible
calcular el error estndar
de la estimacin y, con
esto, determinar la
desviacin estndar para
un valor especfico de la
variable independiente
Se =
ahora%si%se%desea%una%confiabilidad%del%95%%el%intervalo%es
y 2 18,60
para$un$99%$de$confianza$es$necesario$agrandar$el$intervalo$a
y 3 18,60
t1
St =
i=tn
Valor Medio:
1 n
et = ei
n i=1
Desviacin
estndar:
$1 n
e = & ei ei
t
&% n i=1
1/2
'
)
)(
Alisamiento Exponencial
Alisamiento Exponencial
St+1= St+ (Xt-St)
01 ; t2
Alisamiento Exponencial
Alisamiento Exponencial
Invierno
2
5
7
10
13
19
27
26
38
44
51
Primavera
3
6
10
17
20
34
39
44
51
67
79
Verano
4
7
10
16
28
34
48
58
70
81
107
Otoo
1
2
3
2
9
3
11
22
21
28
33
Total
10
20
30
45
70
90
125
150
180
220
270
2+3+ 4 +1
S1 =
= 2,50
4
3+ 4 +1+5
S2 =
= 3,25
4
2,50+3,25
SC1 =
= 2,88
2
Ao
1990
As se obtiene la
siguiente tabla
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
ESTACIN
invierno
primavera
verano
otoo
invierno
primavera
verano
otoo
invierno
primavera
verano
otoo
invierno
primavera
verano
otoo
invierno
primavera
verano
otoo
invierno
primavera
verano
otoo
invierno
primavera
verano
otoo
invierno
primavera
verano
otoo
invierno
primavera
verano
otoo
invierno
primavera
verano
otoo
invierno
primavera
verano
DEMANDA
2,0
3,0
4,0
1,0
5,0
6,0
7,0
2,0
7,0
10,0
10,0
3,0
10,0
17,0
16,0
2,0
13,0
20,0
28,0
9,0
19,0
34,0
34,0
3,0
27,0
39,0
48,0
11,0
26,0
44,0
56,0
22,0
38,0
51,0
70,0
21,0
44,0
67,0
81,0
28,0
51,0
79,0
107,0
Si
Sci
IE
2,50
3,25
4,00
4,75
5,00
5,50
6,50
7,25
7,50
8,25
10,00
11,50
11,25
12,00
12,75
15,75
17,50
19,00
22,50
24,00
22,50
24,50
25,75
29,25
31,25
31,00
32,25
34,25
37,00
40,00
41,75
45,25
45,00
46,50
50,50
53,25
55,00
56,75
59,75
66,25
67,50
2,88
3,63
4,38
4,88
5,25
6,00
6,88
7,38
7,88
9,13
10,75
11,38
11,63
12,38
14,25
16,63
18,25
20,75
23,25
23,25
23,50
25,13
27,50
30,25
31,13
31,63
33,25
35,63
38,50
40,88
43,50
45,13
45,75
48,50
51,88
54,13
55,88
58,25
63,00
66,88
1,39
0,28
1,14
1,23
1,33
0,33
1,02
1,36
1,27
0,33
0,93
1,49
1,38
0,16
0,91
1,20
1,53
0,43
0,82
1,46
1,45
0,12
0,98
1,29
1,54
0,35
0,78
1,24
1,45
0,54
0,87
1,13
1,53
0,43
0,85
1,24
1,45
0,48
0,81
1,18
Promedio
Invierno
Primavera
Verano
Otoo
1,14
1,02
0,93
0,91
0,82
0,98
0,78
0,87
0,85
0,81
1,23
1,36
1,49
1,2
1,46
1,29
1,22
1,13
1,24
1,18
1,38
1,33
1,27
1,38
1,53
1,45
1,54
1,49
1,53
1,45
-
0,28
0,33
0,33
0,16
0,43
0,12
0,35
0,53
0,43
0,48
-
0,9110
1,2800
1,4350
0,3440
La suma de los
promedios debe
ser igual a cuatro
por lo que se
debe ajustar el
ndice por regla
de tres.
263.540
= 65.885
4
as obtenemos:
Estacin
Invierno
Primavera
Verano
Otoo
Total 2001
Conversin
65,885 x 0,918
65,885 x 1,289
65,885 x 1,446
65,885 x 0,347
Estimacin
60,482
84,926
95,270
22,862
263,540
Ao
Mercado Y
1997
38
1998
42
1999
45
2000
48
2001
38
2002
45
2003
35
2004
29
Mercado*Y
38
42
45
48
38
45
35
29
S*3*aos
42
45
44
44
39
36
Y/Y'
6,33
/7,00
1,33
/8,67
/10,33
(Y/Y')2
40,11
49,00
1,78
75,11
106,78
272,78
S*5*aos
42
44
42
39
Y/Y'
2,80
8,60
13,20
(Y/Y')2
7,84
73,96
174,24
256,04
DT =
272.78
= 7.39
5
DT =
256.04
= 9.24
3
Utilizaremos el mtodo de
alisamiento exponencial
para dos casos (=0,30 y
=0,40) aplicando la
expresin:
St+1= St+ (Xt-St)
donde 01 ; t2
Mercado*Y St+1,*=0,3
38
42
45
48
38
45
35
29
40,00
39,40
40,18
41,63
43,54
41,88
42,81
40,47
37,03
Y**St+1
>2,00
2,60
4,81
6,37
>5,54
3,12
>7,81
>11,47
(Y**St+1)2 St+1,*=0.4
4,00
6,76
23,23
40,63
30,67
9,75
61,05
131,55
307,65
40,00
25,60
18,06
20,13
28,33
29,27
21,46
37,30
75,00
Y**St+1
(Y**St+1)2
>2,00
16,40
26,94
27,87
9,67
15,73
13,54
>8,30
4,00
268,96
725,55
776,66
93,51
247,54
183,28
68,87
2.368,37