Professional Documents
Culture Documents
Captulo
Tcnicas de
prediccin
87
www.FreeLibros.me
Introduccin
Crecimiento
Madurez
Obsolescencia
Tiempo
88
www.FreeLibros.me
Y = a + bx
(3.1)
www.FreeLibros.me
89
El Grfico 3.2 muestra estas relaciones, donde los datos observados se representan
con puntos y la funcin de estimacin, con la lnea recta.
Grfico 3.2
Lnea de tendencia
Y
Y = a + bx
b
1
a
X
14.680
3.845
22.930
5.450
16.650
5.099
35.990
8.890
32.480
6.681
38.770
9.678
10.030
4.542
24.260
4.557
52.460
13.289
10
36.800
10.506
11
17.340
5.134
12
43.690
9.066
90
www.FreeLibros.me
En la Tabla 3.1 se puede observar que, aunque exista una relacin entre la
cantidad de nios y las ventas (a mayor poblacin, mayores ventas), estas pueden tener
comportamientos errticos. Por ejemplo, la comuna ms pequea tiene 10.030 nios
y se venden 4.542 unidades, mientras que la que le sigue en tamao (la nmero 1),
teniendo un 40% ms de poblacin, vende menos unidades.
Obviamente, una de las dos es menos representativa que la otra con respecto
al comportamiento entre demanda y poblacin. La regresin rene todos los datos
histricos disponibles y estima el mejor promedio entre todos ellos, separando la
cantidad (a) de unidades vendidas que no son explicadas por la poblacin (accesos,
lejana de las viviendas a los centros de venta, etc.) de aquellas (b) que s son explicadas
por ella.
a. Uso de frmulas
El primer procedimiento para determinar la lnea de tendencia recurre a las
ecuaciones siguientes para definir los valores de a y de b.
b=
nxy ( y )
nx 2 ( x )2
a = y bx
(3.2)
(3.3)
www.FreeLibros.me
91
Ejemplo 3.1
La Tabla 3.2 muestra los valores de cada componente para calcular las ecuaciones
anteriores.
Tabla 3.2 Clculo de variables de la ecuacin
Comuna
xy
x2
14.680
3.845
56.444.600
215.502.400
22.930
5.450
124.968.500
525.784.900
16.650
5.099
84.898.350
277.222.500
35.990
8.890
319.951.100
1.295.280.100
32.480
6.681
216.998.880
1.054.950.400
38.770
9.678
375.216.060
1.503.112.900
10.030
4.542
45.556.260
100.600.900
24.260
4.557
110.552.820
588.547.600
52.460
13.289
697.140.940
2.752.051.600
10
36.800
10.506
386.620.800
1.354.240.000
11
17.340
5.134
89.023.560
300.675.600
12
43.690
9.066
396.093.540
1.908.816.100
xy
x
2.903.465.410
346.080
y
x
86.737
28.840
7.228
x2
(x)2
11.876.785.000
119.771.366.400
92
www.FreeLibros.me
Ejemplo 3.2
Con los datos del ejemplo anterior traspasados a una hoja Excel, se debe seguir el
siguiente procedimiento:
1. Seleccione Datos de la barra de opciones.
2. En Anlisis, elija la opcin Anlisis de datos.
3. En el cuadro de dilogo que se abrir, seleccione la opcin Regresin y elija
Aceptar.
4. En el cuadro de dilogo Regresin, use el casillero Rango Y de entrada para anotar
la posicin de los datos de la variable dependiente (Ventas).
5. Use el casillero de Rango X de entrada para especificar la posicin de los datos de la
variable independiente (Poblacin infantil).
6. Utilice las Opciones de salida para especificar el lugar donde quiere ubicar los
resultados. Si elige la opcin En una hoja nueva, asgnele un nombre (Resultados
regresin).
La Figura 3.1 muestra el resultado que debera obtenerse.
Figura 3.1
Opciones de regresin
www.FreeLibros.me
93
7. Finalmente, elija Aceptar. Excel insertar una nueva hoja de clculo con los resultados
de la regresin, tal como se muestra en la Figura 3.2.
Figura 3.2
Resultados de la regresin
Como se puede observar, en las celdas B17 y B18 de la Figura 3.2 aparecen
directamente los valores de a y b, denominados como Intercepcin y Variable X 1,
respectivamente, datos que son coincidentes con los obtenidos mediante el uso de las
frmulas.
En el Resumen de los resultados de la regresin aparecen tres conceptos bajo el
ttulo de Anlisis de varianza: Regresin, Residuos y Total. Los valores bajo la columna
Suma de cuadrados se interpretan como sigue.
yy Regresin: variacin que se puede explicar por los datos del modelo (dispersin en los
valores estimados con respecto al promedio de los datos observados) y corresponde a
la suma de los cuadrados de las diferencias entre cada valor estimado por el modelo
y el promedio de los datos observados.
yy Residuos: suma de los cuadrados de las diferencias entre los datos observados y los
determinados por el modelo.
yy Total: dispersin de los datos que se calcula como la diferencia entre el promedio de
los datos observados y la suma de esos datos al cuadrado.
Si se relativizan los valores de Regresin y Residuos respecto de Total, se tiene:
Suma de cuadrados
Regresin
85228887,3
0,87150
Residuos
12566601,6
0,12850
Total
97795488,9
1,00
94
www.FreeLibros.me
8522887,3
= 67,82174682
1256660,161
www.FreeLibros.me
95
Es decir, para 67,821746, el nivel de significancia es tan alto, que no aparece en la tabla
de distribucin de Fisher. La Figura 3.2 muestra estas relaciones.
Excel, sin embargo, entrega directamente este valor en la celda F12, donde, como
puede observarse, el valor 9,12548E-06 (o sea, 0,000912548%) indica que el nivel de
significancia es de 99,999087452%.
Para calcular si los coeficientes a y b de la funcin son significativos (individualmente)
para hacer la estimacin, se usa la distribucin t de Student. En la Figura 3.2, se observa
que este estadstico es 1,3744 para a y 8,2354 para b (celdas D17 y D18) y que sus
probabilidades son de 19,9393% y 0,0009125%, respectivamente (celdas E17 y E18). Es
decir, existe 19,9% de probabilidad de que a sea resultado del azar, mientras que, en el
caso de b, es cercana a 0.
De lo anterior se concluye que aunque el coeficiente a (Intercepcin) no es
estadsticamente significativo, la ecuacin como un todo s puede ser til para hacer la
proyeccin.
Aun cuando todos los indicadores se consideren como vlidos, podra darse el
caso de que dos variables que no tengan ninguna relacin entre s sugieran la aceptacin
del modelo. Por ejemplo, el comportamiento observado en el consumo de cerdos con
el crecimiento de los enfermos de sida. Aunque ambas variables se muestren muy
correlacionadas y aunque a y b sean muy significativas, no cabe duda de que una no
explica a la otra. Cuando se da una situacin como esta, se la denomina relacin espuria,
y es el evaluador quien debe aplicar su sentido comn para detectarla.
c. Ajuste de lneas de tendencia a un grfico de dispersin
Este mtodo aprovecha las posibilidades que proporciona Excel para ajustar una
lnea de tendencia de una serie de datos en un grfico de dispersin (XY) y para visualizar
la funcin R2 que define esta lnea de tendencia.
Para utilizar este mtodo, se debe proceder como sigue.
1. Seleccione las series de datos x (Poblacin infantil) e y (Ventas). Si las series de datos
se encuentran en columnas no adyacentes, seleccione la primera serie normalmente
y luego seleccione la segunda serie mientras mantiene presionada la tecla CTRL
(Control).
2. En la barra de opciones, seleccione Insertar y luego, dentro de las opciones de
Grficos, elija Dispersin y marque la opcin Solo con marcadores, tal como se
muestra en la Figura 3.3.
96
www.FreeLibros.me
Figura 3.3
Construccin de un grfico de dispersin
www.FreeLibros.me
97
Figura 3.5
Cuadro de dilogo Formato de lnea de tendencia
El criterio inicial para escoger el tipo de lnea de tendencia es la forma que adoptan
los puntos de la serie de datos. Por ejemplo, si se aprecia que la serie de datos muestra
un crecimiento a tasas constantes, es probable que una tendencia lineal se ajuste mejor.
98
www.FreeLibros.me
De tendencia
Cclica
Estacional
Las curvas que ms se utilizan para describir una serie histrica y que no son
excluyentes para predecir el comportamiento de la demanda a travs del tiempo son la
lineal (Y = a + bx), la parablica o polinmica (Y = a + bx + cx2) y la exponencial (Y = aebx).
La definicin de un comportamiento histrico no es una proyeccin en s misma. La
extrapolacin de la informacin del pasado es solo un dato complementario que supone
que las condiciones que lo explicaron en el pasado se mantendrn a futuro. La comprensin
de qu determin la tendencia pasada permite, con ms facilidad, aplicar el criterio o el
sentido comn para introducir ajustes a futuro o definir posibles escenarios.
Cuando no existen datos en la zona geogrfica donde se considera instalar el
proyecto, es posible recurrir al mtodo analgico, el cual busca otro mercado que haya
experimentado un desarrollo conocido y asimilar, por sus caractersticas similares,
su comportamiento al que tendr el propio mercado del proyecto. Para ello, se debe
identificar el momento del tiempo en que el mercado desarrollado se encontraba en un
www.FreeLibros.me
99
estado similar al que se encuentra el del proyecto y tomarlo como punto de partida. Por
ejemplo, cuando se introdujeron las zapatillas deportivas para uso diario en Chile, se
tom como referencia la tasa de adopcin observada en Brasil.
Aunque muchos evaluadores usan el mtodo analgico como nico predictor de
la demanda para el proyecto, al considerar que las condiciones futuras no sern iguales
a las observadas en otros mercados, ser imprescindible incorporar los ajustes necesarios
o realizar un anlisis de escenarios.
Existen ocho principales modelos de series de tiempo, que se pueden tipificar entre
sin estacionalidad y con estacionalidad, y entre sin tendencia y con tendencia.
yy Sin estacionalidad y sin tendencia: promedio mvil simple y suavizamiento exponencial.
yy Con estacionalidad y sin tendencia: aditivo estacional y multiplicativo estacional.
yy Sin estacionalidad y con tendencia: promedio mvil doble y suavizamiento exponencial
doble.
yy Con estacionalidad y con tendencia: aditivo Holt-Winters y multiplicativo Holt-Winters.
Todos los modelos desagregan los datos histricos en funcin de tendencias y
estacionalidades para luego replicarlos en la proyeccin futura. Para ello, asumen que
los elementos que condicionaron en el pasado tanto el comportamiento de la tendencia
como el de la estacionalidad se mantendrn durante todo el periodo de pronstico.
Aunque el Excel proporciona la posibilidad de efectuar muchos clculos, el software
Risk Simulator est diseado principalmente para hacer pronsticos estadsticos y, como
se ver en el Captulo 10, para medir el riesgo, entre otras funciones. Los ocho modelos
anteriores estn incluidos en el Risk Simulator, con la ventaja de que puede determinar
cul de ellos es el ms adecuado en funcin de la informacin que se le proporciona1.
3.2 Tcnicas cualitativas de prediccin
1 Escogiendo la funcin de Auto-Modelo, el software itera los datos a travs de los ocho modelos, optimiza los
parmetros de proyeccin y selecciona aquel que mejor se ajusta con esos datos.
100
www.FreeLibros.me