Este documento presenta diferentes técnicas para proyectar el mercado, incluyendo el promedio móvil simple y doble, ajuste exponencial simple y doble, extrapolación de tendencias e índices estacionales. Explica cómo aplicar cada método a datos históricos para pronosticar la demanda futura. También introduce métodos causales como la regresión simple y múltiple, así como métodos cualitativos como Delphi.

1. Universidad de Oriente
Núcleo de Monagas
Departamento de Ingeniería de Sistemas
Preparación, Evaluación y Control de
Proyectos (071-4153)
Profesor:
Ing. Jesús Chaparro
Grupo: Argentina
Fernando López
Marianela Castañeda
Esmarys Valdiviezo

2. Técnicas de proyección
del Mercado

3. Estudio de Mercado
Estudio de
Mercado
Iniciativa
empresarial
Viabilidad
comercial
Recolección Análisis
Datos e
Información
Plan
de
negocios

4. Estudio de Mercado
Proyección
Es una fase importante en el estudio de mercado, que
tiene la finalidad de determinar la situación conveniente
del mercado al que se quiere ingresar con determinado
bien o servicio.
Es el área dentro de la cual los vendedores y los
compradores de una mercancía mantienen estrechas
relaciones comerciales, y llevan a cabo abundantes
transacciones de tal manera que los distintos precios a
que éstas se realizan tienden a unificarse.
Mercado

5. Técnicas de proyección
del Mercado
Métodos que
hacen uso de
información
disponible a través
de un modelo
matemático del
comportamiento
del sistema
Métodos
basados en
juicios y
opiniones
Cualitativas
Cuantitativas

6. Técnicas de proyección
del Mercado
Promedio
Móvil
Simple Promedio
Móvil
Doble
Ajuste
Exponencial
Simple
Ajuste
Exponencial
Doble
Extrapolación
de
Tendencia
Métodos
Causales

7. Promedio Móvil Simple (PMS)
Utiliza información estadística pasada
La técnica de medias móviles construye una
nueva serie a partir de la media de un número
determinado de datos, en la que se va añadiendo
sucesivamente un dato nuevo y quitando, al
mismo tiempo, el más antiguo de los datos
incluidos en la media anterior
Para k periodos

8. Promedio Móvil Simple (PMS)
¿Cuándo usarlo?

9. Promedio Móvil Simple (PMS)
La empresa ACME desea
elaborar el pronóstico de
ventas (o de la demanda ) para
uno de sus productos de mayor
demanda en el mercado. Este
pronóstico de la demanda se
requiere para el mes de octubre
de 2003, para lo cual se debe
considerar que k= 2, 3, 4.
sabiendo que los últimos meses
el área de mercadotecnia ha
registrado la información
histórica que se indica en el
siguiente cuadro.
Periodos
Mensuales
Demanda
(D)
Enero 30
Febrero 35
Marzo 28
Abril 20
Mayo 25
Junio 30
Julio 27
Agosto 37
Septiembre 33
Octubre ¿?

10. Periodos
Mensuales
Demanda (D)
Pronósticos
k=2 k=3 k=4
Enero 30 NA NA NA
Febrero 35 NA NA NA
Marzo 28 32.5 NA NA
Abril 20 31.5 31.0 NA
Mayo 25 24.0 27.7 28.3
Junio 30 22.5 24.3 27.0
Julio 27 27.5 25.0 25.8
Agosto 37 28.5 27.3 25.5
Septiembre 33 32.0 31.3 29.8
Octubre ¿? 35.0 32.3 31.8
Promedio Móvil Simple (PMS)

11. Promedio Móvil Simple (PMS)
Para determinar cuál pronóstico es el mejor se utiliza el
error cuadrado medio –MSE-o la desviación estándar del
error –SD-

12. Periodos
Mensuales
Demanda
(D)
Pronóstico (P) (D-P)^2
k=2 k=3 k=4 k=2 k=3 k=4
Enero 30 NA NA NA NA NA NA
Febrero 35 NA NA NA NA NA NA
Marzo 28 32.5 NA NA 20.3 NA NA
Abril 20 31.5 31.0 NA 132.3 121.0 NA
Mayo 25 24.0 27.7 28.3 1.0 7.1 10.6
Junio 30 22.5 24.3 27.0 56.3 32.1 9.0
Julio 27 27.5 25.0 25.8 0.3 4.0 1.6
Agosto 37 28.5 27.3 25.5 72.3 93.4 132.3
Septiembre 33 32.0 31.3 29.8 1.0 2.8 10.6
Octubre ¿? 35.0 32.3 31.8 283.3 260.4 163.9
MSE 40.5 43.4 32.8
SD 6.4 6.6 5.7
Promedio Móvil Simple (PMS)
El mejor pronostico para Octubre, será entonces 35. Ya que el periodo k=2
posee el menor error cuadrado medio y por lo tanto, la menor desviación
estándar

13. Promedio Móvil Doble
Sirve para calcular pronósticos para periodos futuros
Se aplica a datos con tendencia y sin estacionalidad
Procedimiento

14. Promedio Móvil Doble
Con los datos obtenidos en el
problema anterior, se desea
calcular los pronósticos de
ventas para los meses de
octubre, noviembre y
diciembre. Estos cálculos se
deberán obtener mediante
promedio móvil doble
Periodos
Mensuales
Demanda
(D)
Enero 30
Febrero 35
Marzo 28
Abril 20
Mayo 25
Junio 30
Julio 27
Agosto 37
Septiembre 33
Octubre ¿?
Noviembre ¿?
Diciembre ¿?

15. Periodos
Mensuales
Demanda
(D)
M M' at bt
Pronóstico (P)
(D-P)^2
at+btp
Enero 30 NA NA NA NA NA NA
Febrero 35 32.5 NA NA NA NA NA
Marzo 28 31.5 32 31 -1 NA NA
Abril 20 24 27.75 20.25 -7.5 30.0 100.0
Mayo 25 22.5 23.25 21.75 -1.5 12.8 150.1
Junio 30 27.5 25 30 5 20.3 95.1
Julio 27 28.5 28 29 1 35.0 64.0
Agosto 37 32 30.25 33.75 3.5 30.0 49.0
Septiembre 33 35 33.5 36.5 3 37.3 18.1
Octubre ¿? 39.5MSE= 79.4
Noviembre ¿? 42.5SD= 8.91
Diciembre ¿? 45.5
Promedio Móvil Doble

16. Ajuste Exponencial Simple
Se usa cuando
La serie de datos disponible muestra
volatibilidad No hay tendencia
No hay estacionalidad
Se considera que los datos antiguos
no pueden tener el mismo peso
relativo que uno ocurrido en
periodos más próximos

17. Ecuación del ajuste o suavizamiento exponencial:
El valor de α determina la medida en que la
observación actual influye en el pronóstico de la
siguiente observación
Cuando se acerca a 1 básicamente el nuevo pronostico
será la ultima observación real
Cuando se acerca a cero el pronostico nuevo será muy
similar al pronostico anterior y la ultima observación
real tendrá poca importancia.
Ajuste Exponencial Simple

18. Periodos
Mensuales
Demanda
(D)
Pronóstico (P) (D-P)^2
α=0.1 α=0.4 α=0.9 α=0.1 α=0.4 α=0.9
Enero 30 30 30 30 NA NA NA
Febrero 35 30.0 30.0 30.0 25.0 25.0 25.0
Marzo 28 30.5 32.0 34.5 6.3 16.0 42.3
Abril 20 30.3 30.4 28.7 105.1 108.2 74.8
Mayo 25 29.2 26.2 20.9 17.9 1.5 17.1
Junio 30 28.8 25.7 24.6 1.4 18.1 29.3
Julio 27 28.9 27.4 29.5 3.7 0.2 6.0
Agosto 37 28.7 27.3 27.2 68.4 94.7 95.1
Septiembre 33 29.6 31.2 36.0 11.9 3.4 9.1
Octubre ¿? 29.9 31.9 33.30246 MSE=29.9 MSE=33.4 MSE=37.4
SD=5.4 SD=5.8 SD=6.1
Ajuste Exponencial Simple

19. Ajuste Exponencial Doble (Brown)
Se aplica a datos con tendencia y sin estacionalidad
cuando se ponderan distintos los datos nuevos que los
viejos.
Procedimiento

20. Ajuste Exponencial Doble (Brown)

21. Extrapolación de la tendencia
Supone que los
patrones
anteriores y las
tendencias
seguirán la
misma dirección
Este método no
toma en cuenta
qué “ocasionó”
los datos
anteriores

22. Ŷ = a + bX
∑ ∑
∑∑∑
−
−
= 22
)(
))((
XXn
YXXYn
b
XdemediaX
YdemediaY
=
=
XbYa −=
Extrapolación de la tendencia
Procedimiento

23. Extrapolación de la tendencia
( )
945454.3
66)17444112(11
)1859)(66()11588(11
2
=
−
−
=b
327272.145=−= XbYa

24. Extrapolación de la tendencia
Y=145.3272 + 3.945454X
El pronóstico para el año 2010 sería
cuando X=12
Y=145.3272 + 3.945454(12)= 192.7
El pronóstico para el año 2015 sería cuando
X=17
Y=145.3272 + 3.945454(17)= 212.4

25. Índices Estacionales
Útiles cuando la
serie de datos
presenta
estacionalidad
Lo que se hace es
desestacionalizar
una serie y luego
hacer la
proyección
Una vez que se
hace la
proyección se
ajusta con la
estacionalidad

26. Índices Estacionales

27. Datos trimestrales de venta de
televisores
Año Trimestre Ventas (miles)
1 1 4.8
2 4.1
3 6
4 6.5
2 1 5.8
2 5.2
3 6.8
4 7.4
3 1 6
2 5.6
3 7.5
4 7.8
4 1 6.3
2 5.9
3 8
4 8.4
Índices Estacionales

28. Año Trimestre
Ventas
(miles)
Promedio
móvil
Promedio
móvil
centrado
Valor
estacional
irregular
Indice
estacional
Ventas
desestacionalizadas
Trimestres
1 1 4.8 0.932200477 5.149107 1
2 4.1 0.837759204 4.894008 2
3 6 5.35 5.475 1.0958904 1.093348842 5.487727 3
4 6.5 5.6 5.7375 1.1328976 1.143305143 5.685271 4
2 1 5.8 5.875 5.975 0.9707113 0.932200477 6.221838 5
2 5.2 6.075 6.1875 0.8404040 0.837759204 6.207034 6
3 6.8 6.3 6.325 1.0750988 1.093348842 6.219424 7
4 7.4 6.35 6.4 1.1562500 1.143305143 6.472463 8
3 1 6 6.45 6.5375 0.9177820 0.932200477 6.436384 9
2 5.6 6.625 6.675 0.8389513 0.837759204 6.684498 10
3 7.5 6.725 6.7625 1.1090573 1.093348842 6.859659 11
4 7.8 6.8 6.8375 1.1407678 1.143305143 6.822326 12
4 1 6.3 6.875 6.9375 0.9081081 0.932200477 6.758203 13
2 5.9 7 7.075 0.8339223 0.837759204 7.042596 14
3 8 7.15 1.093348842 7.316969 15
4 8.4 1.143305143 7.347120 16
Índices Estacionales

29. Índices Estacionales

30. Año 5 Trimestre t Tendencia (T)
Índice
estacional
Pronóstico
1 17 7.60096826 0.932200477 7.086
2 18 7.74810698 0.837759204 6.491
3 19 7.8952457 1.093348842 8.632
4 20 8.04238441 1.143305143 9.195
T=5.099 + 0.147t
Índices Estacionales

31. Métodos Causales
Este se divide en:
Modelo de Regresión Simple
Modelo de Regresión Múltiple

32. Métodos Causales
Modelo de Regresión Simple
Este modelo
toma en
cuenta algún
factor que
ocasiona los
datos
La variable
independiente
no es el
tiempo
Por ejemplo:
El precio es una variable que
puede explicar el
comportamiento de la
demanda.
Demanda=f(Precio)
Y= a + b Precio

33. Modelo de Regresión Múltiple
Métodos Causales
Este modelo toma en cuenta varios factores que ocasionan o
son causantes de los datos:
El comportamiento de la demanda no solo puede ser
explicada por el precio, sino también por el ingreso y otras
variables más.
Demanda=f (precio, ingreso, otras
variables)

34. Métodos Cualitativos

35. Método Delphi
Es un método diseñado para obtener y tratar la
información de expertos consultados sobre un asunto
determinado
Características
Se pueden manejar tantas
rondas como sean necesarias
No debe existir contacto entre los participantes, pero el
gestor de la encuesta si puede identificar a cada
participante y sus respuestas

36. Método Delphi
Los resultados totales de la ronda previa no son
entregados a los participantes, sólo una parte de la
información circula
La respuesta del grupo puede ser presentada
estadísticamente (promedios y grados de dispersión)
Preguntas con respuesta cuantitativa

37. Método Delphi

38.
Delfos sobre Tema XX
Ronda 1 Experto 13
A.1. Pregunta
Respuesta
A.2. Pregunta
Respuesta
A.3. Pregunta
Respuesta
A.4. Pregunta
Respuesta
A.5. Pregunta
Respuesta
A.6. Pregunta
Respuesta
Método Delphi

39.
Ronda 1 Opinión de Consenso de los Expertos
A.1 A.2 A.3 A.4 A.5 A.6
Mediana
Q1/4
Q3/4
Q3/4 - Q1/4
Ronda 2 Opinión de Consenso de los Expertos
A.1 A.2 A.3 A.4 A.5 A.6
Mediana
Q1/4
Q3/4
Q3/4 - Q1/4
Método Delphi

40. Método de Investigación de
Mercados
Recolección de la opinión de los
clientes mediante la toma de
encuestas a una muestra
representativa de la población,
la realización de experimentos o
la observación de los
consumidores potenciales en
mercados de prueba.

41. Método de Investigación de
Mercados

42. Se quiere comercializar chocolates en
bolsitas de 250 gramos
Resultados de la encuesta
Zona Población Muestra
Le gustaría
consumir
Lo compraría
Frecuencia
de compra
mensual
Bolsas
compradas
A 12000 319 40% 20% 2 1
B 10000 265 45% 25% 3 2
Método de Investigación de
Mercados

43. Método de Investigación de
Mercados
Zona Población
Consumido
r potencial
Consumidores
Cantidad
comprada al
mes (Bolsas)
Demanda
Potencial
(Bolsas)
Demanda
potencial
(Kgs)
A 12000 8.00% 960 2 1920 480
B 10000 11.25% 1125 6 6750 1688
Estimado de demanda
En muchos casos se captura información de mercado existente
Analizar la posibilidad de tomar un porcentaje del
mercado
Colocar una pregunta para inferir intención de
compra

44. Técnicas de Proyección del
Mercado