TECNICAS DE PREDICCIN DE LA DEMANDA

Mtodos Cuantitativos Mtodos Cualitativos Mtodos Mixtos Mtodos Cuantitativos Series de tiempo Promedio del movimiento simple Ajuste exponencial Ajuste de la recta Proyeccin de la tendencia Causales Anlisis de regresin Modelos economtricos Modelos de simulacin

Series de tiempo: Los modelos de proyeccin de las series de tiempo tratan de predecir el futuro en base a los datos del pasado, es decir tratan de predecir el valor futuro extrapolando el comportamiento histrico de los valores observados. Promedio del movimiento simple La formula del promedio de movimiento simple es la siguiente:

Promedio de movimiento ponderado La formula para Promedio de movimiento ponderado es la siguiente

w = Ponderacin que se le dar a la ocurrencia real para el periodo t 1 w = Ponderacin que se le dar a la ocurrencia real para el periodo t 2 w = Ponderacin que se le dar a la ocurrencia real para el periodo t n n = Nmero total de periodos en la proyeccin.

Mtodos Causales Una relacin causal es aquella donde la ocurrencia de un fenmeno causa la ocurrencia de otro, por ejemplo las altas temperaturas incrementan las ventas de helados. As, el anlisis de regresin es una tcnica estadstica para el modelado e investigacin de la relacin entre dos o ms variables.
El primer paso en la proyeccin de la relacin causal consiste en encontrar las ocurrencias (variables) que constituyen realmente las causas. Puede ocurrir que determinadas ocurrencias de manera indirecta muestran una relacin causal, en cambio otras ocurrencias pueden mostrar una relacin causal pero solamente por casualidad, por lo que realmente no constituyen una relacin causal sino que se trata de una mera coincidencia es decir es falsa tal relacin. Anlisis de la Regresin Lineal La regresin se puede definir como una relacin funcional entre dos o ms variables correlacionadas. Se utiliza para predecir una variable dada la otra. La principal restriccin para el uso de la regresin lineal, se deriva de que tanto para los datos pasados como para la proyeccin futura, se asumen que grficamente toman la forma de lnea recta, pero ante esta situacin general se puede emplear la herramienta para periodos ms cortos dentro de los cuales los datos tienen un comportamiento lineal.

Anlisis de regresin Lineal Simple Considera un solo regresor, variable explicatoria o predictor x, u una variable dependiente, explicada o respuesta Y. Se pueden emplear como modelo del comportamiento del fenmeno estudiado: La ecuacin de la recta: Y = a + b *X El mtodo de los mnimos cuadrados trata de ajustar la lnea a los datos que minimizan la suma de los cuadrados de la distancia vertical entre cada uno de los puntos de datos y su punto correspondiente en la lnea. La mejor lnea es la que minimice este total. El modelo exponencial: Yx = a (1 + g) , etc. En este tipo de modelo es importante el coeficiente de correlacin parcial r, que entrega informacin en relacin al grado de explicacin de que hace la variable explicatoria X del la variable explicada Y, en la medida que este coeficiente es alto indica que la variable explicatorio est contribuyendo con una buena explicacin el comportamiento de la variable explicada.

Regresin Mltiple
Considera la situacin donde la variable explicada Y est en funcin de dos o ms variables explicatorios (X, X, X, etc.). En este tipo de modelos la bondad del modelo en trminos de su capacidad de representar el fenmeno, se lo puede verificar mediante los coeficientes de correlacin parciales (r) de cada variable explicatoria (X, X, X, etc.) considerada en el modelo. Este valor oscila entre cero y uno, cero significa que la variable explicatoria X por ejemplo no aporta ninguna explicacin respecto del comportamiento de la variable explicada Y (se la debe eliminar del modelo), en cambio si r = 1 significa que la variable X explica totalmente el comportamiento de Y. En una regresin mltiple lgicamente ningn coeficiente de correlacin parcial alcanza el valor de uno, pues si fuera este el caso se tratara de una regresin simple con una sola variable explicatorio. De manera muy general, se puede decir que en definitiva deben integrar el modelo aquellas variables que presenten los mayores coeficientes de correlacin parciales, de manera que el modelo tenga un alto coeficiente de correlacin total R.

Mtodos Cualitativos Mtodo Delphi Panel Pronsticos visionarios Consenso de Grupo Proyeccin fundamental Prediccin tecnolgica

Mtodos Mixtos - Investigacin de mercado Fuentes de informacin Datos Secundarios, se trata de datos o informacin que ya existe y que el investigador puede hacer uso de ella. Se tiene fuentes internas (de la propia organizacin) y fuentes externas. Datos primarios, se trata de datos e informacin generada para esta investigacin. Las fuentes utilizadas son: Consumidores y compradores Minoristas, mayoristas y otros intermediarios Personal de la compaa Mtodos para obtener datos primarios: La encuesta La entrevista La observacin La experimentacin. Cobertura de la bsqueda de informacin: Sobre el universo, implica un censo. Sobre una muestra, implica el empleo de tcnicas de muestreo.

MUESTREO Gran parte del conocimiento y acciones que se efectan en distintos y variados mbitos estn basados en muestras. Las principales razones para el uso de un muestreo es llegar a obtener estimaciones de una poblacin objetivo en forma ms econmica, rpida y exacta, particularmente cuando las poblaciones en estudio tienen un gran tamao, de modo que es imposible o muy poco prctico su enumeracin completa.

NOCIONES FUNDAMENTALES DEL MUESTREO

Poblacin Objetivo: Conjunto de unidades para las que se requiere informacin. Para obtener la informacin es necesario medir o contar en cada unidad uno o varios caracteres o clasificar sus unidades de acuerdo con ellos. A partir de estos resultados podramos llegar al conocimiento de valores como: medias, totales, proporciones, etc. que se denominan Parmetros o Caractersticas Poblacionales.
Mencionaremos algunos ejemplos de Poblaciones Objetivos y Parmetros de inters: a.- Poblacin: Pescados y mariscos desembarcados durante el viernes Objetivo santo en el terminal. Parmetros: Desembarque total por especie; talla media de la especie principal. b.- Poblacin: Turistas extranjeros que visitan San Pedro en verano entre Objetivo los meses de enero y febrero. Parmetros: Porcentaje de turistas que ingresan por los puntos de mayor flujo; gasto promedio diario por turista; gasto total del grupo familiar en el pas.

c.- Poblacin: Jvenes entre 17 y 24 aos inclusive, de escasos recursos que se encuentran Objetivo fuera del sistema educacional formal, con excepcin de la educacin impartida en horario vespertino y nocturno, con escasa o nula experiencia laboral, que estn cesantes o desocupados. Parmetros: Total de jvenes segn oficio; total de jvenes capacitados e Insertados laboralmente.

Poblacin Investigada: Conjunto real de la poblacin que es objeto de estudio. Difiere de la poblacin objetivo cuando hay imposibilidad de llegar a todos las unidades componentes de la poblacin, ya sea por su inaccesibilidad, no respuestas, limitaciones de los instrumentos de medida, entre otros. Subpoblacin: Particin o subdivisin de la poblacin por estratos o dominios en estudio. Poblacin Marco: Conjunto de unidades a partir del cual se selecciona la muestra.

Muestra: Subconjunto de elementos de la poblacin.

Unidad de Muestreo: Unidad de la poblacin marco que compone la muestra, sta puede o no coincidir con la unidad de observacin. Ej. Casa habitacin

Unidad de observacin. Es la unidad objeto del estudio, respecto de la cual se obtiene y se analiza informacin. Ej. Familia.
Unidad de entrega de informacin. Es aquella persona u objeto que tiene la capacidad para aportar informacin relevante respecto del fenmeno estudiado. Ej. Duea de casaEspacio Muestral: Se denomina espacio muestral S(y) al conjunto de las posibles muestras seleccionadas con un procedimiento de muestreo dado. Cada muestra constituye un punto muestral. = {y, y, ..., yn}

Clasificacin del muestreo Muestreo No probabilstico (Opintico). Muestreo Probabilstico.

Tipos de muestreo no probabilstica: Muestreo de conveniencia. Muestreo de comparacin. Muestreo por cupos. Muestreo Probabilstico Muestreo aleatorio sin reposicin o muestreo aleatorio simple. Muestreo aleatorio proporcional. Muestreo estratificado. Muestreo por conglomerados o reas. Monoetpico Muestreo bietpico.

Determinacin del tamao de muestra: a) Muestreo aleatorio simple

Tamao de muestra ajustado: , donde depende del parmetro a estimar

Z: Margen de confiabilidad = 95% ( corresponde al estadgrafo 1,96 considerando una distribucin normal) S: Desviacin estndar = 0,5 e: Error de estimacin = 5% N: Poblacin = 50 familias no = Primera aproximacin n = tamao de muestra

b) Muestreo proporcional Para poblaciones infinitas (superiores o iguales a 30.000 unidades)

Para poblaciones finitas (inferiores a 30.000 unidades) Z = Margen de confiabilidad (expresado en desviacin estndar) P = Probabilidad de que el evento ocurra (expresado por unidad) Q = Probabilidad de que el evento no ocurra (1 P) E = Error estimado (mximo error permisible por unidad) N = Poblacin (universo a investigar) N 1 = Factor de correccin por finitud

c) Muestreo estratificado con afijacin proporcional Poblacin infinita:

Poblacin infinita:

Poblacin finita n: Tamao de la muestra Wh: Peso relativo del estrato h Wh: Nh / N total S^2h: Varianza del estrato h Z: Margen de confiabilidad e: Error de estimacin N: Poblacin o universo (N 1): Factor de correccin por finitud

Muestreo estratificado con afijacin ptima Para datos infinitos:

Para datos finitos:

Los tamaos muestrales para cada segmento son los siguientes: nh = (n * NhSh) / (Sum NhSh) n: Tamao de muestra Wh: Peso relativo del estrato h Wh: Margen de confiabilidad Z: Margen de Confiabilidad N: Poblacin o universo e: Error de estimacin (N 1): Factor de correccin por finitud Sh: Desviacin estndar del estrato h

DISEO DE UNA ENCUESTA POR MUESTREO Objetivos y especificaciones de una encuesta