SlideShare une entreprise Scribd logo
1  sur  17
Télécharger pour lire hors ligne
PONTIFICA UNIVERSIDAD CATÓLICA
DEL ECUADOR SEDE AMBATO
ESTADÍSTICA
MÉTODOS DE PROYECCIÓN
MÍNIMOS CUADRADOS
Integrantes:
Ausay Carmen
Cruz Mónica
Mera Lorena
Salinas Cecilia
Jines David
Quevedo William
INTRODUCCIÓN
Para realizar una proyección se requiere
conocer el comportamiento de los
componentes del estudio de mercado en el
pasado, en el presente y en el futuro.
Los modelos y técnicas de proyección
ayudan a determinar éste comportamiento
futuro.
Los resultados de la proyección está relacionada
con la calidad de los datos de entrada.
¿Qué es una proyección?
Son métodos de predicción en los que,
partiendo de determinadas series de
datos, se formula una “proyección” a
futuro con el objetivo de evaluar la
ocurrencia probable de cualquier
acontecimiento. Una estimación del
comportamiento de una variable en el
futuro.
Porque son necesarias?
Toda organización debe planear como enfrentar las
condiciones futuras.
Los proyectos se ejecutan buscando rentabilidad
financiera, luego es necesario saber cómo
evolucionará el mercado en el tiempo.
Estimar cómo evolucionaran las variables
independientes asociadas con la demanda, oferta y
precios.
Cómo afectará la política económica cada una de
las variables en estudio.
La efectividad del método elegido
se evaluará en función de:
Precisión: Cualquier error en su pronóstico tendrá
asociado un costo. No es posible exigir una certeza total,
pero si, la reducción al mínimo del costo del error en su
proyección.
Sensibilidad: En un medio cambiante, debe ser lo
suficientemente estable para enfrentar una situación de
cambios lentos como dinámica para enfrentar cambios
agudos.
Objetividad: La información que se tome como base de la
proyección debe garantizar su validez y oportunidad en
una situación histórica.
Dificultades para pronosticar
Dificultades para pronosticar
Eventos que no hayan
ocurrido en el pasado
Desarrollo de
nuevas
tecnologías
Incorporación de
competidores con
sistemas
comerciales no
tradicionales
Variaciones en las
políticas económicas
gubernamentales
Etc.
Antecedentes históricos = variables referenciales
Tipos de Métodos de Proyección
 Cualitativos
 Cuantitativos
 Mínimo Cuadrado
 Método subjetivo
 Método causales
 Coeficiente de correlación
 Métodos promedios móviles
 Métodos de tendencias
 Método incremental
 Combinación de factores
MÉTODOS DE PROYECCIÓN MAS
COMUNES
Métodos subjetivos
Su importancia resalta cuando los métodos cuantitativos basados en
información histórica no pueden explicar por sí solos el comportamiento futuro
esperado de alguna de sus variables o cuando no existen suficientes datos
históricos. Se basa en la opinión de expertos
Se usa cuando:
El tiempo de elaboración es escaso, no se dispone de todos los antecedentes
o datos, los datos no son confiables para predecir, no se puede explicar
alguna variable.
Ejm: Método Delphi
MÉTODOS DE PROYECCIÓN MAS COMUNES
MÉTODOS CAUSALES
Proyectan el mercado sobre la base de antecedentes cuantitativos
históricos.
Suponen que los factores condicionantes del comportamiento
histórico de alguna o todas las variables del mercado permanecerán
estables.
Una variable depende de muchas causas o factores que explican su
comportamiento.
Estos son :
Modelo de regresión
Modelo econométrico
Método de encuestas de intenciones de compra
Modelo de insumo producto
MÍNIMOS CUADRADOS
 Dado un conjunto de datos (pares)
se intenta encontrar la función que
mejor se adapte a los datos , es
decir aquella que presente el mejor
ajuste, empleando el criterio del
mínimo error cuadrático.
 En general, el método de mínimos
cuadrados selecciona una función
de tipo lineal. Es decir:
Y= a + bx
PRINCIPIO DE MÍNIMOS
CUADRADOS
Recta de “mejor ajuste”
 Técnica empleada para obtener la
ecuación de regresión, minimizando la
suma de los cuadrados de las distancias
verticales entre los valores verdaderos
de Y y los valores pronosticados de Y.
FORMA GENERAL DE LA
ECUACIÓN DE REGRESIÓN
LINEAL
Y= a + bX
Donde:
“Y” se lee Y, es el valor pronosticado de la variable Y para un
valor seleccionado de X.
“a” es la ordenada de la intersección con el eje Y, es decir, el
valor estimado de Y cuando X = 0. Dicho de otra forma,
corresponde al valor estimado de Y, donde la recta de
regresión cruza el eje Y, cuando X = 0.
“b” es la pendiente de la recta, o el cambio promedio en Y´
por unidad de cambio (incremento o decremento) en la
variable independiente X.
“X” es cualquier valor seleccionado de la variable
independiente.
PENDIENTE DE LA LÍNEA DE
REGRESIÓN
Donde:
“X” es un valor de la variable independiente.
“Y” es un valor de la variable dependiente.
“n” es el número de elementos en la muestra.
PUNTO DONDE SE
INTERCEPTA CON EL EJE Y
Donde:
“X” es un valor de la variable independiente.
“Y” es un valor de la variable dependiente.
“n” es el número de elementos en la muestra.
ANÁLISIS DE REGRESIÓN
 En lo expuesto anteriormente se desarrollan medidas para
expresar la intensidad y la dirección de la relación
existente entre dos variables.
 Mediante el análisis de regresión se quiere determinar una
ecuación para expresar la relación lineal (en línea recta)
entre dos variables, llamada también ecuación de
regresión.
 Se desea estimar el valor de la variable dependiente Y,
con base en un valor de la variable independiente X. A la
técnica empleada para desarrollar la ecuación y dar las
estimaciones se conoce como análisis de regresión.
ECUACIÓN DE REGRESIÓN
 Es una ecuación que define la relación lineal entre dos
variables.
Minimos Cuadrados

Contenu connexe

Tendances

Ejercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables AleatoriasEjercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables AleatoriasJaviera Huera (Temuco)
 
MINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXMINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXcabriales
 
5. Tamaño y localización
5. Tamaño y localización5. Tamaño y localización
5. Tamaño y localizaciónDiego Imbaquingo
 
Métodos de proyección de la demanda
Métodos de proyección de la demandaMétodos de proyección de la demanda
Métodos de proyección de la demandaSandra Torreglosa
 
Prueba Kolmogorov-Smirnov
Prueba Kolmogorov-SmirnovPrueba Kolmogorov-Smirnov
Prueba Kolmogorov-SmirnovDavid Solis
 
Teoría de decisión
Teoría de decisiónTeoría de decisión
Teoría de decisiónGabriel Pujol
 
Unidad 2: Regresión lineal múltiple y correlación
Unidad 2: Regresión lineal múltiple y correlaciónUnidad 2: Regresión lineal múltiple y correlación
Unidad 2: Regresión lineal múltiple y correlaciónAlvaro Chavez
 
Tabla t student
Tabla t studentTabla t student
Tabla t studentbaalkara
 

Tendances (20)

Ejercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables AleatoriasEjercicios Resueltos: Probabilidades y Variables Aleatorias
Ejercicios Resueltos: Probabilidades y Variables Aleatorias
 
Ingenieria economica
Ingenieria  economicaIngenieria  economica
Ingenieria economica
 
MINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEXMINIMIZAR METODO SIMPLEX
MINIMIZAR METODO SIMPLEX
 
Análisis de la varianza
Análisis de la varianzaAnálisis de la varianza
Análisis de la varianza
 
5 91-1-pb (1)
5 91-1-pb (1)5 91-1-pb (1)
5 91-1-pb (1)
 
Análisis incremental word
Análisis incremental wordAnálisis incremental word
Análisis incremental word
 
Pruebas de Bondad de Ajuste. Independencia y Homogenidad. Est ind clase10
Pruebas de Bondad de Ajuste. Independencia y Homogenidad. Est ind clase10Pruebas de Bondad de Ajuste. Independencia y Homogenidad. Est ind clase10
Pruebas de Bondad de Ajuste. Independencia y Homogenidad. Est ind clase10
 
5. Tamaño y localización
5. Tamaño y localización5. Tamaño y localización
5. Tamaño y localización
 
Tabla fischer una cola alfa 0.05
Tabla fischer una cola alfa 0.05Tabla fischer una cola alfa 0.05
Tabla fischer una cola alfa 0.05
 
Métodos de proyección de la demanda
Métodos de proyección de la demandaMétodos de proyección de la demanda
Métodos de proyección de la demanda
 
Prueba Kolmogorov-Smirnov
Prueba Kolmogorov-SmirnovPrueba Kolmogorov-Smirnov
Prueba Kolmogorov-Smirnov
 
Análisis de Regresión Múltiple
Análisis de Regresión MúltipleAnálisis de Regresión Múltiple
Análisis de Regresión Múltiple
 
5. regresión lineal multiple
5.  regresión lineal multiple5.  regresión lineal multiple
5. regresión lineal multiple
 
Microeconomía Cap. 6 Monopolio
Microeconomía Cap. 6 MonopolioMicroeconomía Cap. 6 Monopolio
Microeconomía Cap. 6 Monopolio
 
Estadistica practic
Estadistica practicEstadistica practic
Estadistica practic
 
Teoría de decisión
Teoría de decisiónTeoría de decisión
Teoría de decisión
 
Pie
PiePie
Pie
 
Unidad 2: Regresión lineal múltiple y correlación
Unidad 2: Regresión lineal múltiple y correlaciónUnidad 2: Regresión lineal múltiple y correlación
Unidad 2: Regresión lineal múltiple y correlación
 
Tabla t student
Tabla t studentTabla t student
Tabla t student
 
Tamaño y Localización de proyecto
Tamaño y Localización de proyectoTamaño y Localización de proyecto
Tamaño y Localización de proyecto
 

Similaire à Minimos Cuadrados

Proyecciones estadísticas final
Proyecciones estadísticas finalProyecciones estadísticas final
Proyecciones estadísticas finalGustenrq
 
Tecnicas del proyecto del mercado.pecp completas 2003
Tecnicas del proyecto del mercado.pecp completas 2003Tecnicas del proyecto del mercado.pecp completas 2003
Tecnicas del proyecto del mercado.pecp completas 2003carlacartaya
 
Tecnicas del proyecto del mercado.pecp completas 2003
Tecnicas del proyecto del mercado.pecp completas 2003Tecnicas del proyecto del mercado.pecp completas 2003
Tecnicas del proyecto del mercado.pecp completas 2003carlacartaya
 
Presentación unidad II
Presentación unidad IIPresentación unidad II
Presentación unidad IIBASEK
 
Unidad 3- paso 4 - Descripcion de la informacion.docx
Unidad 3- paso 4 - Descripcion de la informacion.docxUnidad 3- paso 4 - Descripcion de la informacion.docx
Unidad 3- paso 4 - Descripcion de la informacion.docxyency yasnith niño rosas
 
Estadistica maria del mar
Estadistica maria del marEstadistica maria del mar
Estadistica maria del marLuisaCarrillo12
 
Tecnologia maria del mar
Tecnologia maria del marTecnologia maria del mar
Tecnologia maria del marLuisaCarrillo12
 
Estadistica maria del mar
Estadistica maria del marEstadistica maria del mar
Estadistica maria del marLuisaCarrillo12
 
Estadistica maria del mar
Estadistica maria del marEstadistica maria del mar
Estadistica maria del marLuisaCarrillo12
 
Metodos cuantitativos proyección del mercado
Metodos cuantitativos proyección del mercadoMetodos cuantitativos proyección del mercado
Metodos cuantitativos proyección del mercadoGuillermo Becerra Pinedo
 
Paso 4 descripción de la información.
Paso 4 descripción de la información.Paso 4 descripción de la información.
Paso 4 descripción de la información.MarlyTenorio
 
Bueno de regresion lineal[1]
Bueno de regresion lineal[1]Bueno de regresion lineal[1]
Bueno de regresion lineal[1]EQUIPO7
 

Similaire à Minimos Cuadrados (20)

Pronostico.pptx
Pronostico.pptxPronostico.pptx
Pronostico.pptx
 
Proyecciones estadísticas final
Proyecciones estadísticas finalProyecciones estadísticas final
Proyecciones estadísticas final
 
REPASO MODELOS ECONOMETRICOS.pdf
REPASO MODELOS ECONOMETRICOS.pdfREPASO MODELOS ECONOMETRICOS.pdf
REPASO MODELOS ECONOMETRICOS.pdf
 
REPASO MODELOS ECONOMETRICOS.pdf
REPASO MODELOS ECONOMETRICOS.pdfREPASO MODELOS ECONOMETRICOS.pdf
REPASO MODELOS ECONOMETRICOS.pdf
 
Tecnicas del proyecto del mercado.pecp completas 2003
Tecnicas del proyecto del mercado.pecp completas 2003Tecnicas del proyecto del mercado.pecp completas 2003
Tecnicas del proyecto del mercado.pecp completas 2003
 
Tecnicas del proyecto del mercado.pecp completas 2003
Tecnicas del proyecto del mercado.pecp completas 2003Tecnicas del proyecto del mercado.pecp completas 2003
Tecnicas del proyecto del mercado.pecp completas 2003
 
Presentación unidad II
Presentación unidad IIPresentación unidad II
Presentación unidad II
 
Unidad 3- paso 4 - Descripcion de la informacion.docx
Unidad 3- paso 4 - Descripcion de la informacion.docxUnidad 3- paso 4 - Descripcion de la informacion.docx
Unidad 3- paso 4 - Descripcion de la informacion.docx
 
Estadistica maria del mar
Estadistica maria del marEstadistica maria del mar
Estadistica maria del mar
 
Tecnologia maria del mar
Tecnologia maria del marTecnologia maria del mar
Tecnologia maria del mar
 
Estadistica maria del mar
Estadistica maria del marEstadistica maria del mar
Estadistica maria del mar
 
Estadistica maria del mar
Estadistica maria del marEstadistica maria del mar
Estadistica maria del mar
 
maria del mar
maria del marmaria del mar
maria del mar
 
pronosticos 1.pptx
pronosticos 1.pptxpronosticos 1.pptx
pronosticos 1.pptx
 
Metodos cuantitativos proyección del mercado
Metodos cuantitativos proyección del mercadoMetodos cuantitativos proyección del mercado
Metodos cuantitativos proyección del mercado
 
Analisis multivariado
Analisis multivariadoAnalisis multivariado
Analisis multivariado
 
Ensayo rivera juan
Ensayo   rivera juanEnsayo   rivera juan
Ensayo rivera juan
 
Paso 4 descripción de la información.
Paso 4 descripción de la información.Paso 4 descripción de la información.
Paso 4 descripción de la información.
 
Bueno de regresion lineal[1]
Bueno de regresion lineal[1]Bueno de regresion lineal[1]
Bueno de regresion lineal[1]
 
MA175_cuaderno_201302 (1).pdf
MA175_cuaderno_201302 (1).pdfMA175_cuaderno_201302 (1).pdf
MA175_cuaderno_201302 (1).pdf
 

Plus de Loren MH

Unidad 5 final
Unidad 5 finalUnidad 5 final
Unidad 5 finalLoren MH
 
1. presentacion-minimos-cuadrados
1. presentacion-minimos-cuadrados1. presentacion-minimos-cuadrados
1. presentacion-minimos-cuadradosLoren MH
 
Creación de evaluaciones
Creación de evaluacionesCreación de evaluaciones
Creación de evaluacionesLoren MH
 
Configuracion de hotpotatoes
Configuracion de hotpotatoesConfiguracion de hotpotatoes
Configuracion de hotpotatoesLoren MH
 
Caracteristas de Hotpotatoes
Caracteristas de HotpotatoesCaracteristas de Hotpotatoes
Caracteristas de HotpotatoesLoren MH
 
Aprender a leer
Aprender a leerAprender a leer
Aprender a leerLoren MH
 
Elementos de power point
Elementos de power pointElementos de power point
Elementos de power pointLoren MH
 
Fisica presentacion 1
Fisica presentacion 1Fisica presentacion 1
Fisica presentacion 1Loren MH
 

Plus de Loren MH (10)

Unidad 5 final
Unidad 5 finalUnidad 5 final
Unidad 5 final
 
Unidad 5
Unidad 5Unidad 5
Unidad 5
 
Unidad 4
Unidad 4Unidad 4
Unidad 4
 
1. presentacion-minimos-cuadrados
1. presentacion-minimos-cuadrados1. presentacion-minimos-cuadrados
1. presentacion-minimos-cuadrados
 
Creación de evaluaciones
Creación de evaluacionesCreación de evaluaciones
Creación de evaluaciones
 
Configuracion de hotpotatoes
Configuracion de hotpotatoesConfiguracion de hotpotatoes
Configuracion de hotpotatoes
 
Caracteristas de Hotpotatoes
Caracteristas de HotpotatoesCaracteristas de Hotpotatoes
Caracteristas de Hotpotatoes
 
Aprender a leer
Aprender a leerAprender a leer
Aprender a leer
 
Elementos de power point
Elementos de power pointElementos de power point
Elementos de power point
 
Fisica presentacion 1
Fisica presentacion 1Fisica presentacion 1
Fisica presentacion 1
 

Dernier

Practica de Evaluacion de tarea crisis de liderazgo
Practica de Evaluacion de tarea crisis de liderazgoPractica de Evaluacion de tarea crisis de liderazgo
Practica de Evaluacion de tarea crisis de liderazgooscramcon
 
CLASE UTP 2023 S10.s1 - Material de clases .pdf
CLASE UTP 2023 S10.s1 - Material de clases .pdfCLASE UTP 2023 S10.s1 - Material de clases .pdf
CLASE UTP 2023 S10.s1 - Material de clases .pdfAnglicaArauzoF
 
NIKE, EMPRESA NIKE Y SU ESTUDIO EN BASE A LA MATRIZ BCG
NIKE, EMPRESA NIKE Y SU ESTUDIO EN BASE A LA MATRIZ BCGNIKE, EMPRESA NIKE Y SU ESTUDIO EN BASE A LA MATRIZ BCG
NIKE, EMPRESA NIKE Y SU ESTUDIO EN BASE A LA MATRIZ BCGeprac1
 
Diapositiva de Administración de Empresas.
Diapositiva de Administración de Empresas.Diapositiva de Administración de Empresas.
Diapositiva de Administración de Empresas.gersonruiz0101
 
Técnicas de Planeación y control 2.pptx
Técnicas de  Planeación y control 2.pptxTécnicas de  Planeación y control 2.pptx
Técnicas de Planeación y control 2.pptxkarlapatriciagaona
 
Análisis y evaluación de proyectos / ESTUDIO DE MERCADO Y COMERCIALIZACIÓN
Análisis y evaluación de proyectos / ESTUDIO DE MERCADO Y COMERCIALIZACIÓNAnálisis y evaluación de proyectos / ESTUDIO DE MERCADO Y COMERCIALIZACIÓN
Análisis y evaluación de proyectos / ESTUDIO DE MERCADO Y COMERCIALIZACIÓNlacosaensi982
 
Espejo Salamanca Cuadro Sinoptico Decreto 2649 1993.pdf
Espejo Salamanca Cuadro Sinoptico Decreto 2649 1993.pdfEspejo Salamanca Cuadro Sinoptico Decreto 2649 1993.pdf
Espejo Salamanca Cuadro Sinoptico Decreto 2649 1993.pdfaespejos
 
3-5-usac-manuales-administrativos-2017.ppt
3-5-usac-manuales-administrativos-2017.ppt3-5-usac-manuales-administrativos-2017.ppt
3-5-usac-manuales-administrativos-2017.pptConsultorSinergia
 
Mentoría para Empresarios Oxford Group L.pdf
Mentoría para Empresarios Oxford Group L.pdfMentoría para Empresarios Oxford Group L.pdf
Mentoría para Empresarios Oxford Group L.pdfOxford Group
 
Tarea de Tecnología.docxmmmmmmmmmmmmmmmmmm
Tarea de Tecnología.docxmmmmmmmmmmmmmmmmmmTarea de Tecnología.docxmmmmmmmmmmmmmmmmmm
Tarea de Tecnología.docxmmmmmmmmmmmmmmmmmmjoseangelmontano76
 
TEORÍAS CONTEMPORÁNEAS DE LA ADMINISTRACIÓN.pptx
TEORÍAS CONTEMPORÁNEAS DE LA ADMINISTRACIÓN.pptxTEORÍAS CONTEMPORÁNEAS DE LA ADMINISTRACIÓN.pptx
TEORÍAS CONTEMPORÁNEAS DE LA ADMINISTRACIÓN.pptxCristianCambranis
 

Dernier (11)

Practica de Evaluacion de tarea crisis de liderazgo
Practica de Evaluacion de tarea crisis de liderazgoPractica de Evaluacion de tarea crisis de liderazgo
Practica de Evaluacion de tarea crisis de liderazgo
 
CLASE UTP 2023 S10.s1 - Material de clases .pdf
CLASE UTP 2023 S10.s1 - Material de clases .pdfCLASE UTP 2023 S10.s1 - Material de clases .pdf
CLASE UTP 2023 S10.s1 - Material de clases .pdf
 
NIKE, EMPRESA NIKE Y SU ESTUDIO EN BASE A LA MATRIZ BCG
NIKE, EMPRESA NIKE Y SU ESTUDIO EN BASE A LA MATRIZ BCGNIKE, EMPRESA NIKE Y SU ESTUDIO EN BASE A LA MATRIZ BCG
NIKE, EMPRESA NIKE Y SU ESTUDIO EN BASE A LA MATRIZ BCG
 
Diapositiva de Administración de Empresas.
Diapositiva de Administración de Empresas.Diapositiva de Administración de Empresas.
Diapositiva de Administración de Empresas.
 
Técnicas de Planeación y control 2.pptx
Técnicas de  Planeación y control 2.pptxTécnicas de  Planeación y control 2.pptx
Técnicas de Planeación y control 2.pptx
 
Análisis y evaluación de proyectos / ESTUDIO DE MERCADO Y COMERCIALIZACIÓN
Análisis y evaluación de proyectos / ESTUDIO DE MERCADO Y COMERCIALIZACIÓNAnálisis y evaluación de proyectos / ESTUDIO DE MERCADO Y COMERCIALIZACIÓN
Análisis y evaluación de proyectos / ESTUDIO DE MERCADO Y COMERCIALIZACIÓN
 
Espejo Salamanca Cuadro Sinoptico Decreto 2649 1993.pdf
Espejo Salamanca Cuadro Sinoptico Decreto 2649 1993.pdfEspejo Salamanca Cuadro Sinoptico Decreto 2649 1993.pdf
Espejo Salamanca Cuadro Sinoptico Decreto 2649 1993.pdf
 
3-5-usac-manuales-administrativos-2017.ppt
3-5-usac-manuales-administrativos-2017.ppt3-5-usac-manuales-administrativos-2017.ppt
3-5-usac-manuales-administrativos-2017.ppt
 
Mentoría para Empresarios Oxford Group L.pdf
Mentoría para Empresarios Oxford Group L.pdfMentoría para Empresarios Oxford Group L.pdf
Mentoría para Empresarios Oxford Group L.pdf
 
Tarea de Tecnología.docxmmmmmmmmmmmmmmmmmm
Tarea de Tecnología.docxmmmmmmmmmmmmmmmmmmTarea de Tecnología.docxmmmmmmmmmmmmmmmmmm
Tarea de Tecnología.docxmmmmmmmmmmmmmmmmmm
 
TEORÍAS CONTEMPORÁNEAS DE LA ADMINISTRACIÓN.pptx
TEORÍAS CONTEMPORÁNEAS DE LA ADMINISTRACIÓN.pptxTEORÍAS CONTEMPORÁNEAS DE LA ADMINISTRACIÓN.pptx
TEORÍAS CONTEMPORÁNEAS DE LA ADMINISTRACIÓN.pptx
 

Minimos Cuadrados

  • 1. PONTIFICA UNIVERSIDAD CATÓLICA DEL ECUADOR SEDE AMBATO ESTADÍSTICA MÉTODOS DE PROYECCIÓN MÍNIMOS CUADRADOS Integrantes: Ausay Carmen Cruz Mónica Mera Lorena Salinas Cecilia Jines David Quevedo William
  • 2. INTRODUCCIÓN Para realizar una proyección se requiere conocer el comportamiento de los componentes del estudio de mercado en el pasado, en el presente y en el futuro. Los modelos y técnicas de proyección ayudan a determinar éste comportamiento futuro. Los resultados de la proyección está relacionada con la calidad de los datos de entrada.
  • 3. ¿Qué es una proyección? Son métodos de predicción en los que, partiendo de determinadas series de datos, se formula una “proyección” a futuro con el objetivo de evaluar la ocurrencia probable de cualquier acontecimiento. Una estimación del comportamiento de una variable en el futuro.
  • 4. Porque son necesarias? Toda organización debe planear como enfrentar las condiciones futuras. Los proyectos se ejecutan buscando rentabilidad financiera, luego es necesario saber cómo evolucionará el mercado en el tiempo. Estimar cómo evolucionaran las variables independientes asociadas con la demanda, oferta y precios. Cómo afectará la política económica cada una de las variables en estudio.
  • 5. La efectividad del método elegido se evaluará en función de: Precisión: Cualquier error en su pronóstico tendrá asociado un costo. No es posible exigir una certeza total, pero si, la reducción al mínimo del costo del error en su proyección. Sensibilidad: En un medio cambiante, debe ser lo suficientemente estable para enfrentar una situación de cambios lentos como dinámica para enfrentar cambios agudos. Objetividad: La información que se tome como base de la proyección debe garantizar su validez y oportunidad en una situación histórica.
  • 6. Dificultades para pronosticar Dificultades para pronosticar Eventos que no hayan ocurrido en el pasado Desarrollo de nuevas tecnologías Incorporación de competidores con sistemas comerciales no tradicionales Variaciones en las políticas económicas gubernamentales Etc. Antecedentes históricos = variables referenciales
  • 7. Tipos de Métodos de Proyección  Cualitativos  Cuantitativos  Mínimo Cuadrado  Método subjetivo  Método causales  Coeficiente de correlación  Métodos promedios móviles  Métodos de tendencias  Método incremental  Combinación de factores
  • 8. MÉTODOS DE PROYECCIÓN MAS COMUNES Métodos subjetivos Su importancia resalta cuando los métodos cuantitativos basados en información histórica no pueden explicar por sí solos el comportamiento futuro esperado de alguna de sus variables o cuando no existen suficientes datos históricos. Se basa en la opinión de expertos Se usa cuando: El tiempo de elaboración es escaso, no se dispone de todos los antecedentes o datos, los datos no son confiables para predecir, no se puede explicar alguna variable. Ejm: Método Delphi
  • 9. MÉTODOS DE PROYECCIÓN MAS COMUNES MÉTODOS CAUSALES Proyectan el mercado sobre la base de antecedentes cuantitativos históricos. Suponen que los factores condicionantes del comportamiento histórico de alguna o todas las variables del mercado permanecerán estables. Una variable depende de muchas causas o factores que explican su comportamiento. Estos son : Modelo de regresión Modelo econométrico Método de encuestas de intenciones de compra Modelo de insumo producto
  • 10. MÍNIMOS CUADRADOS  Dado un conjunto de datos (pares) se intenta encontrar la función que mejor se adapte a los datos , es decir aquella que presente el mejor ajuste, empleando el criterio del mínimo error cuadrático.  En general, el método de mínimos cuadrados selecciona una función de tipo lineal. Es decir: Y= a + bx
  • 11. PRINCIPIO DE MÍNIMOS CUADRADOS Recta de “mejor ajuste”  Técnica empleada para obtener la ecuación de regresión, minimizando la suma de los cuadrados de las distancias verticales entre los valores verdaderos de Y y los valores pronosticados de Y.
  • 12. FORMA GENERAL DE LA ECUACIÓN DE REGRESIÓN LINEAL Y= a + bX Donde: “Y” se lee Y, es el valor pronosticado de la variable Y para un valor seleccionado de X. “a” es la ordenada de la intersección con el eje Y, es decir, el valor estimado de Y cuando X = 0. Dicho de otra forma, corresponde al valor estimado de Y, donde la recta de regresión cruza el eje Y, cuando X = 0. “b” es la pendiente de la recta, o el cambio promedio en Y´ por unidad de cambio (incremento o decremento) en la variable independiente X. “X” es cualquier valor seleccionado de la variable independiente.
  • 13. PENDIENTE DE LA LÍNEA DE REGRESIÓN Donde: “X” es un valor de la variable independiente. “Y” es un valor de la variable dependiente. “n” es el número de elementos en la muestra.
  • 14. PUNTO DONDE SE INTERCEPTA CON EL EJE Y Donde: “X” es un valor de la variable independiente. “Y” es un valor de la variable dependiente. “n” es el número de elementos en la muestra.
  • 15. ANÁLISIS DE REGRESIÓN  En lo expuesto anteriormente se desarrollan medidas para expresar la intensidad y la dirección de la relación existente entre dos variables.  Mediante el análisis de regresión se quiere determinar una ecuación para expresar la relación lineal (en línea recta) entre dos variables, llamada también ecuación de regresión.  Se desea estimar el valor de la variable dependiente Y, con base en un valor de la variable independiente X. A la técnica empleada para desarrollar la ecuación y dar las estimaciones se conoce como análisis de regresión.
  • 16. ECUACIÓN DE REGRESIÓN  Es una ecuación que define la relación lineal entre dos variables.