Proyeccion de La Demanda
September 24, 2022 | Author: Anonymous | Category: N/A
Short Description
Download Proyeccion de La Demanda...
Description
PROYECCIÓN DE LA DEMANDA FORMULACIÓN Y EVALUACIÓN DE PROYECTOS Prof: Roberto Zarate Hermoza
1.INTRODUCCIÓN
La fae !re"#a o e$ et%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 $a &ema(&a. De a/0 e &e!re(&e )%e % et%o ea &e "#ta$ #m!orta(*#a !ara 1%t#f#*ar %(a !o#b$e #("er#+( ,a )%e $a m#ma et' m%, #(terre$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%$ta (e*ear#o e2a$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!rea e( %(a&et#(a&o &ema(&a a&a&a6. Por ta(to- $+7#*ame(te- # (o e5#te ea &ema(&a- (o e 1%t#f#*ar0a $a #("er#+(. E5#te( fere(te m8to&o !ara efe*t%ar et%o re$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$ et%o.
2.DEFINICIÓN DE PROYECCIÓN DE LA DEMANDA
Se e(t#e(&e !or !ro,e**#+( &e $a &ema(&a e( /a*er %(a et#ma*#+( &e (%etra f%t%ra "e(ta 9,a ea e( %(#&a&e f0#*a o mo(etar#a &e %(o o "ar#o !ro&%*to 97e(era$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 (%etra !ro,e**#+( o !re%!%eto &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 8ta- !o&er e$aborar $a &em' !ro,e**#o(e o !re%!%eto. Por e1em!$oa$ !ro(ot#*ar o *a$*%$ar *%'(to a*e(&er'( (%etra f%t%ra "e(ta!o&emo *a$*%$ar *%'(to er' (%etra a!ro&%**#+( 9*%'(to !ro&%*to (e*e#taremo !ro&%*#r- a *%'(to a*e(&er'( (%etro *oto- )%8 *a(t#&a& &e !ero(a$ (e*e#taremo *o(tratar- a *%'(to a*e(&er' (%etra re(tab#$#&a&- et*.Y- &e ee mo&o$o7rar %( me1or *o(tro$- %(a ma,or *oor(a*#+(- m#(#m#zar r#e7o- , to&a $a otra "e(ta1a )%e *o($$e"a %(a b%e(a !$a(#f#*a*#+(.
3.¿Por qué es necesr!o "cer un #ro$ecc!%n&
E (e*ear#o rea$#zar %(a !ro,e**#+( &e$ (#"e$ &e &ema(&a tota$ !or e$ b#e( o er"#*#o ba1o et%o. E$ *re*#m#e(to &e $a &ema(&a e( e$ t#em!o e !ro&%*e !or &o mot#"o: !or %(a !arte- e$ *re*#m#e(to &e $a !ob$a*#+( !ro"o*a %( a%me(to e( $a &ema(&a tota$; !or otra !arte- e$ *o(%mo #("#&%a$ 9!er *'!#ta o !or fam#$#a 7e(era$me(te tamb#8( a%me(ta e( e$ t#em!o- !%e(&o #(*reme(tare &%ra(te to&o e$ /or#zo(te &e$ !ro,e*to o a*e$era&ame(te e( $o !r#mero a2oPor /ata a$*a(zar %( (#"e$ &e&eetab#$#za*#+(e7 Co(%mo I("#&%a$ ? Pob$a*#+( t
'.CRITERIO( DE LA E(TIMACION DE LA DEMANDA
4.1 La proyección de la población en referencia : &a&o )%e $a a**#+( &e$ !ro,e*to e obre $a *om%(#&a&e #m!orta(te e$ tota$ &e !ob$a*#+( afe*ta&a , % e"o$%*#+(a e( %( /or#zo(te tem!ora$. Para e$$o et#mar e %a eta&0t#*a &e $a #(t#t%*#o(e "#(*%$a&a $a me*#+( eta&0t#*a , % !ro,e**#o(e &e *re*#m#e(to a(%a$.
La !ro,e**#+( &e $a !ob$a*#+( e( refere(*#a- &a&o )%e $a a**#+( &e$ !ro,e*to e obre $a *om%(#&a&. : e( m%*/o *ao(oe$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$0"are N > (%mero &e !er#o&o D > &ema(&a. U(a er#e &e t#em!o et' &a&o !or %( *o(1%(to &e ober"a*#o(e )%e et'( e t'( or&e(a&a e( e$ t#em!o- , )%e eta !%e&e( re!ree(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 ea /#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 luar, la cantidad de ideasD conviene que las aportaciones sean breves, que nadie %uzue ninuna, 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 subrupos 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 eoráfca concreta, para un determinado per*odo, en un entorno defnido de marIetin y ba%o un espec*fco prorama 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 reión eoráfca 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 diriida 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 peliro de que en la posibilidad de que emer%a un rupo dominante que anule la interacción interacción adecuada adecuada y se lore un consenso por la capacidad de la arumentación 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 diriido ac*clico diriido )+ )+ por sus silas en inlés;. #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 recoidas secuencialmente en el tiempo. Estas observaciones se suelen recoer en instantes de tiempo equiespaciados. $i los datos se recoen en instantes temporales de "orma continua, se debe o bien diitalizar la serie, es decir, recoer 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 trio 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 laro plazo que se produce en relación al nivel medio, o el cambio a laro plazo de la media. La tendencia se identifca con un movimiento suave de la serie a laro 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 oriinal.
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 suiere “descompone” el comportamiento de una serie de tiempo en tendencia, estacionalidad y ciclo, relacionando dichos componentes a través de la siuiente "órmula:
)onde: $N Oalor pronosticado 2N =actor =actor de tendencia (N (omponente c*clico
.C.C. #roceso autorreresivo interado de media móvil +0-+;
En estad*stica estad*stica,, los modelos autorregresivos de media móvil en inlés AutoRegressive Moving Average models, abreviados 'R-';, también Modelos Box-Jenkins, se aplican a series temporales de llamados temporales datos. es una de herramienta para )ada una serie temporal temporal de de datos X t , el modelo +0+ entender y, a!n más, para predecir "uturos valores de la serie. El modelo está "ormado por dos partes, una parte autorreresiva +0; y otra de media móvil +;. El modelo se conoce con el nombre de modelo +0+ p,q;, donde p es el orden de la parte autorrer autorreresiva esiva y qes el orden de la parte de media móvil.
!.".". -etodo de distribución de probabilidad Una distribución de probabilidad indica toda la ama de valores que pueden representarse como resultado de un e'perimento si éste se llevase a cabo. Es decir, describe la probabilidad de que un evento se realice en el "uturo, constituye una herramienta "undamental para la prospectiva, puesto que se puede diseAar un escenario de acontecimientos "uturos considerando las tendencias actuales de diversos "enómenos naturales. 2 2oda oda distribución de probabilidad de probabilida es enerada por una variabl variable e porque puede tomar di"erentes valores;daleatoria ' porque el valor tomado es totalmente al azar;.
56.B.B.5. etodo de momentos 1;. Es un procedimiento eneral para obtener soluciones apro'imadas apro'imadas de ecuaciones de la "orma . El primer paso consiste en representar la "uncion inconita TuM como combinacion lineal de infnitas "unciones que se denominan "unciones base :
!.".%. -/ODO$ DE RE0RE$123 $1-&LE Los modelos o métodos de reresión son una "unción matemática que intenta modelar probabil*sticamente a una variable de estudio en relación a uno o más predictor predictores es de interés. En el método de rer reresión esión simple hay solo una variable independiente y dependiente, donde se puede emplear el conocimiento de la variable independiente para pronosticar la variable dependiente.
!.".%.#. -4todo de estimación de m5nimos cuadrados ordinarios (-CO). El criterio de este método consiste en proporcionar estimadores de los parámetros que minimicen la suma de los cuadrados de los errores. 1perativamente el proceso es construir una "unción ob%etivo ob%etivo en términos términos de la suma de los cuadrados de los errores y mediante optimización condiciones de primer orden (.#.1;; y condiciones de seundo orden (.$.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 neativa
56.B.C.>.5. $upuestos del modelo de reresión lineal ". omocedasticidad o iualdad de varianzas de los residuos y los pronósticos. Esta condición se estudia utilizando las variables: W#0E)Npronósticos W#0E)Npronóstic os tipifcados y W0E$-)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 +nalizar0e 0eresiónLinealráfc resiónLinealráfcos. os. El supuesto de homocedasticidad implica implica que la variación de los residuos sea uni"orme en todo el rano de valores de los pronósticos ráfco sin pautas de
asociación;.
56.B.C.>.5. $upuestos del modelo de reresión lineal %. 3ormalidad de los residuos tipifcados. #odemos contrastarla mediante: 4 La prueba de XolmoorY$mirnov, XolmoorY$mirnov, con ráfcos de normalidad de tipo 88 cuantiles; o ##proporciones; ##proporciones; ver e'plorar; 4 ráfcamente en +nalizar +nalizar 0eresiónLinealráfcos 0er esiónLinealráfcos . La opción Zistorama: 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 reresión 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