Proyeccion de La Demanda

September 24, 2022 | Author: Anonymous | Category: N/A
Share Embed Donate


Short Description

Download Proyeccion de La Demanda...

Description

 

PROYECCIÓN DE LA DEMANDA FORMULACIÓN Y EVALUACIÓN DE PROYECTOS Prof: Roberto Zarate Hermoza

 

1.INTRODUCCIÓN 

La fae !re"#a o e$ et%&#o m' #m!orta(te )%e a(te*e&e $a e"a$%a*#+( &e %( !ro,e*to &e #("er#+(- $o *o(t#t%,e e$ a('$## , !ro,e**#+( &e $a &ema(&a. De a/0 e &e!re(&e )%e % et%&#o ea &e "#ta$ #m!orta(*#a !ara 1%t#f#*ar %(a !o#b$e #("er#+( ,a )%e $a m#ma et' m%, #(terre$a*#o(a&a *o( e$ ob1et#"o b'#*o &e$ !ro,e*to- *o( $a &eterm#(a*#+( &e % tama2o , *o( e$ %rt#&o &e !ro&%**#+(. Re%$ta (e*ear#o e2a$ar )%e- 3e$ ob1et#"o b'#*o o !r#mar#o &e to&a #("er#+( e $a !ro&%**#+( ,4o er"#*#o at#fa*er %(a &eterm#(a&a (e*e#&a&$a &e )%eb#e(e e e5!rea e( %(a&et#(a&o &ema(&a a&a&a6. Por ta(to- $+7#*ame(te- # (o e5#te ea &ema(&a- (o e 1%t#f#*ar0a $a #("er#+(. E5#te( &#fere(te m8to&o !ara efe*t%ar et%&#o re$a*#o(a&o *o( $a !ro,e**#+( &e $a &ema(&a. E$ e*o7er %(o % otro- &e!e(&er' &e $a #t%a*#+( e( $a )%e e e(*%e(tre- $o &ato *o( $o )%e e *%e(te- , e"#&e(teme(te e$ t#!o &e !ro&%*to a$ )%e e $e )%#era rea$#zar e$ et%&#o.

 

2.DEFINICIÓN DE PROYECCIÓN DE LA DEMANDA 

Se e(t#e(&e !or !ro,e**#+( &e $a &ema(&a e( /a*er %(a et#ma*#+( &e (%etra f%t%ra "e(ta 9,a ea e( %(#&a&e f0#*a o mo(etar#a &e %(o o "ar#o !ro&%*to 97e(era$me(te to&o- !ara %( !er#o&o &e t#em!o &eterm#(a&o 97e(era$me(te %( me.E$ rea$#zar e$ !ro(+t#*o &e $a &ema(&a (o !erm#t#r' e$aborar (%etra !ro,e**#+( o !re%!%eto &e "e(ta 9&ema(&a e( %(#&a&e f0#*a m%$t#!$#*a&o !or e$ !re*#o &e$ !ro&%*to ,- a !art#r &e 8ta- !o&er e$aborar $a &em' !ro,e**#o(e o !re%!%eto. Por e1em!$oa$ !ro(ot#*ar o *a$*%$ar *%'(to a*e(&er'( (%etra f%t%ra "e(ta!o&emo *a$*%$ar *%'(to er' (%etra a!ro&%**#+( 9*%'(to !ro&%*to (e*e#taremo !ro&%*#r- a *%'(to a*e(&er'( (%etro *oto- )%8 *a(t#&a& &e !ero(a$ (e*e#taremo *o(tratar- a *%'(to a*e(&er' (%etra re(tab#$#&a&- et*.Y- &e ee mo&o$o7rar %( me1or *o(tro$- %(a ma,or *oor&#(a*#+(- m#(#m#zar r#e7o- , to&a $a otra "e(ta1a )%e *o($$e"a %(a b%e(a !$a(#f#*a*#+(.

 

3.¿Por qué es necesr!o "cer un #ro$ecc!%n& 

E (e*ear#o rea$#zar %(a !ro,e**#+( &e$ (#"e$ &e &ema(&a tota$ !or e$ b#e( o er"#*#o ba1o et%&#o. E$ *re*#m#e(to &e $a &ema(&a e( e$ t#em!o e !ro&%*e !or &o mot#"o: !or %(a !arte- e$ *re*#m#e(to &e $a !ob$a*#+( !ro"o*a %( a%me(to e( $a &ema(&a tota$; !or otra !arte- e$ *o(%mo #(&#"#&%a$ 9!er *'!#ta o !or fam#$#a 7e(era$me(te tamb#8( a%me(ta e( e$ t#em!o- !%&#e(&o #(*reme(tare &%ra(te to&o e$ /or#zo(te &e$ !ro,e*to o a*e$era&ame(te e( $o !r#mero a2oPor /ata a$*a(zar %( (#"e$ &e&eetab#$#za*#+(e7 Co(%mo I(&#"#&%a$ ? Pob$a*#+( t

 

'.CRITERIO( DE LA E(TIMACION DE LA DEMANDA 

4.1 La proyección de la población en referencia : &a&o )%e $a a**#+( &e$ !ro,e*to e obre $a *om%(#&a&e #m!orta(te e$ tota$ &e !ob$a*#+( afe*ta&a , % e"o$%*#+(a e( %( /or#zo(te tem!ora$. Para e$$o et#mar e %a eta&0t#*a &e $a #(t#t%*#o(e "#(*%$a&a $a me&#*#+( eta&0t#*a , % !ro,e**#o(e &e *re*#m#e(to a(%a$.





 La !ro,e**#+( &e $a !ob$a*#+( e( refere(*#a- &a&o )%e $a a**#+( &e$ !ro,e*to e obre $a *om%(#&a&. : e( m%*/o *ao(oe$e !ob$a&or (o er' $a %(#&a& 4.2 Servicios que el proyecto ofrecerá  refere(*#a &e$ !ro,e*to!or e1em!$o e( er"#*#o &e a$%& e$ !ob$a&or $a %(#&a& &e &e me&#&a &e $a ate(*#o(e #(o e$ ( bo$0"are N > (%mero &e !er#o&o D > &ema(&a. U(a er#e &e t#em!o et' &a&o !or %( *o(1%(to &e ober"a*#o(e )%e et'( e t'( or&e(a&a e( e$ t#em!o- , )%e eta !%e&e( re!ree(tar e$ *amb#o &e %(a "ar#ab$e ,a ea &e t#!o e*o(+m#*a- f0#*a- )%0m#*a- b#o$+7#*a- et*.- a $o $ar7o ea /#tor#a.

 

:.O8;ETI.C. 3rainstormin o tormenta de ideas Es una técnica de creatividad en grupo. Los miembros del rupo aportan, durante un tiempo previamente establecido el mayor n!mero de ideas posibles sobre un tema o problema determinado. -nteresa, en primer luar, la cantidad de ideasD conviene que las aportaciones sean breves, que nadie %uzue ninuna, que se elimine cualquier cr*tica o autocr*tica y que no se produzcan discusiones ni e'plicaciones.

 

56.>.. #hilips FF  2ambién llamada Discusión 66, es una técnica de dinámica de traba%o en  2ambién equipo que se basa en dividir un rupo o reunión social en subrupos de F  

individuos y hacerlos discutir sobre un tema durante F minutos. =inalmente se obtiene una idea eneral de las conclusiones de cada rupo.=ue creada creada en 56CG por el norteamericano H. )onald #hillips, al cual cual debe su nombre. nombre.  

 

56.>.F. (ompuesto por el departamento de ventas  (onsulta a los vendedores; Es la estimación estimación o  o previsión de las ventas de un producto producto   bien bien o  o servicio servicio;; durante determinado per*odo "uturo. La demanda de mercado mercado para  para un producto es el volumen total susceptible de ser comprado por un determinado rupo de consumidores consumidores,, en un área eoráfca concreta, para un determinado per*odo, en un entorno defnido de marIetin y ba%o un espec*fco prorama de marIetin marIetin..

 

56.>.J. +nalo*a histórica En este se toma un mercado como re"erencia, re"erencia, puede ser para el mismo producto, pero de otra marca marca o  o en otra reión eoráfca o para un producto di"erente pero con un mercado consumidor consumidor simil  similar ar.. La venta%a que manifesta es la de suponer que las variables determinantes en el comportamiento pasado del mercado, tomando esta como re"erencia se mantendrán en el "uturo y además tendrán el mismo e"ecto sobre el mercado del proyecto en estudio.

 

#anel de consenso 56.>.G. #anel  yKo %urado de opinión e%ecutiva; Este método es similar al )elphi, ) elphi, se di"erencian en que en este no e'isten secretos sobre la identidad identidad del  del emisor de las opiniones y en que no hay retroalimentación diriida desde el interior. Este método se basa en la suposición de que varios e'pertos "ueren capaces de producir pronostico me%or que una sola persona. #ero e'iste el peliro de que en la posibilidad de que emer%a un rupo dominante que anule la interacción interacción adecuada  adecuada y se lore un consenso por la capacidad de la arumentación y no por la validez de la misma.

 

56.>.6. odelos bayesianos. Es un modelo ra"o probabil*s probabil*stico tico un  un tipo de modelo estático; estático; que representa repres enta un con%unto de variables aleatorias y aleatorias y sus dependencias condicionales a condicionales a través de un ra"o ac*clico diriido ac*clico diriido )+  )+ por sus silas en inlés;. #or e%emplo: Una red bayesiana puede representar las relaciones probabil*sticas entre en"ermedades y s*ntomas. )ados los s*ntomas, la red puede ser usada para computar las probabilidad de la presencia de varias en"ermedades.

 

56.B. étodos cuantitativos 56.B.5. (oncepto y (riterio Los modelos cuantitativos de proyección son modelos matemáticos que se basan en datos históricos. Estos modelos suponen que los datos históricos son relevantes.  $e "undamenta en la posibilidad de confar en el comportamiento de una variable que puede e'plicar los valores que asumir*a la variable a proyectarM.

 

!.".#. $eries de tiempo 

#ronostican el valor "uturo de la variable que se desea estimar #ronostican e'trapolando el comportamiento histórico de los valores observados para esa variable.

 

19.3.2.1. Método de series temporales 

Una serie temporal se defne como una colección de observaciones de una variable recoidas secuencialmente en el tiempo. Estas observaciones se suelen recoer en instantes de tiempo equiespaciados. $i los datos se recoen en instantes temporales de "orma continua, se debe o bien diitalizar la serie, es decir, recoer sólo los valores en instantes de tiempo equiespaciados, o bien acumular los valores sobre intervalos de tiempo.

 

E%emplos: 



#recio del alquiler de pisos durante una serie de meses. #recio Evolución del *ndice del precio del trio con mediciones anuales. 3enefcios netos mensuales de cierta entidad bancaria.



-ndices del precio del petróleo



 

56.B.>.5.5. $eries con tendencia $e puede defnir como un cambio a laro plazo que se produce en relación al nivel medio, o el cambio a laro plazo de la media. La tendencia se identifca con un movimiento suave de la serie a laro plazo.

 

56.B.>.5.>. $eries con estacionalidad 

uchas series temporales presentan cierta periodicidad o dicho de otro modo, variación de cierto periodo anual, mensual ...;. #or e%emplo, el paro laboral aumenta en eneral en invierno y disminuye en verano. Estos tipos de e"ectos son "áciles de entender y se pueden medir e'pl*citamente e'pl*citamen te o incluso se pueden eliminar del con%unto de los datos, desestacionalizando la serie oriinal.

 

56.B.>.5.B.=luctuaciones aleatorias Una vez identifcados los componentes anteriores y después de haberlos eliminado, persisten unos valores que son aleatorios. $e pretende estudiar qué tipo de comportamiento aleatorio presentan estos residuos, utilizando al!n tipo de modelo probabil*stico probabil*stico que los describa.

 

56.B.>.5.C. étodo de )escomposicion (orresponde a una metodolo*a para la proyección de la demanda (orresponde que como el nombre lo suiere “descompone” el comportamiento de una serie de tiempo en tendencia, estacionalidad y ciclo, relacionando dichos componentes a través de la siuiente "órmula:

)onde: $N Oalor pronosticado  2N =actor =actor de tendencia (N (omponente c*clico

 .C.C. #roceso autorreresivo interado de media móvil +0-+;

En estad*stica estad*stica,, los modelos autorregresivos de media móvil en inlés AutoRegressive Moving Average models, abreviados 'R-';, también Modelos Box-Jenkins, se aplican a series temporales de llamados temporales datos. es una de herramienta para )ada una serie temporal temporal de  de datos X t , el modelo +0+ entender y, a!n más, para predecir "uturos valores de la serie. El modelo está "ormado por dos partes, una parte autorreresiva +0; y otra de media móvil +;. El modelo se conoce con el nombre de modelo +0+  p,q;, donde p es el orden de la parte autorrer autorreresiva esiva y qes el orden de la parte de media móvil.

 

!.".". -etodo de distribución de probabilidad Una distribución de probabilidad indica toda la ama de valores que pueden representarse como resultado de un e'perimento si éste se llevase a cabo. Es decir, describe la probabilidad de que un evento se realice en el "uturo, constituye una herramienta "undamental para la prospectiva, puesto que se puede diseAar un escenario de acontecimientos "uturos considerando las tendencias actuales de diversos "enómenos naturales.  2  2oda oda distribución de probabilidad de probabilida es enerada por una variabl variable e porque puede tomar di"erentes valores;daleatoria ' porque el valor tomado es totalmente al azar;.

 

56.B.B.5. etodo de momentos 1;. Es un procedimiento eneral para obtener soluciones apro'imadas apro'imadas de ecuaciones de la "orma .   El primer paso consiste en representar la "uncion inconita TuM como combinacion lineal de infnitas "unciones que se denominan "unciones base :

 

!.".%. -/ODO$ DE RE0RE$123 $1-&LE Los modelos o métodos de reresión son una "unción matemática que intenta modelar probabil*sticamente a una variable de estudio en relación a uno o más predictor predictores es de interés. En el método de rer reresión esión simple hay solo una variable independiente y dependiente, donde se puede emplear el conocimiento de la variable independiente para pronosticar la variable dependiente.

 

!.".%.#. -4todo de estimación de m5nimos cuadrados ordinarios (-CO). El criterio de este método consiste en proporcionar estimadores de los parámetros que minimicen la suma de los cuadrados de los errores. 1perativamente el proceso es construir una "unción ob%etivo ob%etivo en términos términos de la suma de los cuadrados de los errores y mediante optimización condiciones de primer orden (.#.1;; y condiciones de seundo orden (.$.1;; obtener las "órmulas de cálculo de los estimadores.

 

1:.3.'.1.2. Re=res!%n +!ne+

#ermite determinar el rado de dependencia de las series de valores  e auto correl correlación ación neativa

 

56.B.C.>.5. $upuestos del modelo de reresión lineal ". omocedasticidad o iualdad de varianzas de los residuos y los pronósticos. Esta condición se estudia utilizando las variables: W#0E)Npronósticos W#0E)Npronóstic os tipifcados y W0E$-)Nresid W0E$-)Nresiduos uos tipifcados mediante: 4 el estad*stico de Levene ver e'plorar; 4 un ráfco de dispersión .8ue se obtiene en +nalizar +nalizar0e 0eresiónLinealráfc resiónLinealráfcos. os. El supuesto de homocedasticidad implica implica que la variación de los residuos sea uni"orme en todo el rano de valores de los pronósticos ráfco sin pautas de

asociación;.

 

56.B.C.>.5. $upuestos del modelo de reresión lineal %. 3ormalidad de los residuos tipifcados. #odemos contrastarla mediante: 4 La prueba de XolmoorY$mirnov, XolmoorY$mirnov, con ráfcos de normalidad de tipo 88 cuantiles; o ##proporciones; ##proporciones; ver e'plorar; 4 ráfcamente en +nalizar +nalizar 0eresiónLinealráfcos 0er esiónLinealráfcos . La opción Zistorama: aAade una curva &R,5; ráfco de #robabilidad &ormal de tipo ##: 0epresenta las proporciones acumuladas de la variable esperada respecto a las proporciones acumuladas de la variable observada

 

56.B.C.>.5. $upuestos del modelo de reresión lineal 7. 3o,colinealidad8 es decir la ine'istenci ine'istencia a de colinealidad. Esta puede ser: colinealidad per"ecta si una de las variables independientes tiene una relación lineal con otraKas independientes, colinealidad parcial si entre las variables independientes e'isten altas correlaciones

 

56.B.C.>.B. -ntervalos de confanza



$e desea predecir el valor medio de la variable de respuesta < para una combinación predeterminada predeterminada de las variables predictoras 5,[[p. (onsideremos el vector de valores observados 5, '5,R,[.'p,R ; El valor predicho para el valor medio de la variable de respuesta < será y $e asume que los error errores es están normalmente distribuidos.

 

#9./ipos de &ro:ección en la pr;ctica

  E'isten dos "ormas de proyectar la demanda: >R.5. #01R.>.#01
View more...

Comments

Copyright ©2017 KUPDF Inc.
SUPPORT KUPDF