TÉCNICAS DE PROYECCIÓN

DEL MERCADO
1. Analice las variables más determinantes, a su juicio, para seleccionar una técnica
de proyección.

A mi juicio para seleccionar una buena técnica de proyección se deberían tener en

cuenta los aspectos más influyentes dentro de un determinado mercado, entre estos
habrá tanto variables cualitativas, como cuantitativas.
A continuación se menciona algunas:
Capacidad adquisitiva de los consumidores.
Gustos y preferencias
Niveles de precios de bienes relacionados
Fluctuaciones de mercados

2. Explique de qué depende el grado de validez del resultado de una proyección.

El grado de validez va a depender de los datos de entrada que sirvieron de base para
el pronóstico, dichas fuentes de información de uso más frecuente son:
Los datos históricos oficiales de organismos públicos y privados.
Las opiniones de expertos y el resultado de encuestas.

3. Explique los conceptos de precisión, sensibilidad y objetividad del método de

pronóstico.

 Precisión: Cuando hablamos de precisión nos referimos a que cualquier error

en un determinado pronostico tendrá asociado un costo. Aunque no podrá
exigirse una certeza total a alguno de los métodos, si podrá exigírsele que se
garantice una reducción al mínimo del costo del error en su proyección.
 Sensibilidad: Al situarse en un medio cambiante, este debe ser lo
suficientemente estable para enfrentar una situación de cambios lentos, así
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.

4. Explique las principales características y diferencias de los métodos cualitativos,

causales y de serie de tiempo.

 Los métodos cualitativos se basan principalmente en opiniones de expertos.

Su uso es frecuente cuando el tiempo para elaborar el pronóstico es escaso,
cuando no se dispone de todos los antecedentes mínimos necesarios o cuando
los datos disponibles no son confiables para predecir algún comportamiento a
futuro.
  Los modelos causales parten del supuesto de que el grado de influencia de las
variables que afectan al comportamiento del mercado permanece estable,
para luego construir un modelo que relacione ese comportamiento con sus
variables que se observan en el mercado.
 Los modelos de series de tiempo se utilizan cuando el comportamiento que
asuma el mercado a futuro puede determinarse en gran medida por lo
sucedido en el pasado, y siempre que esté disponible la información histórica
en forma confiable y completa.

5. ¿Qué validez tienen, a su juicio, los resultados que se derivan de los métodos Delphi
y consenso de panel?

A mi parecer el método Delphi tendría relativamente más certeza que el método de

Consenso de panel porque en el caso de Delphi hay cierto nivel de neutralidad al
momento de que los expertos den sus opiniones y sugerencias y se concluya un
determinado resultado, mientras que en un consenso panel, las decisiones o
resultados que se determinen por los especialistas podrían estar influenciados en
cierta medida por algunos de estos, siendo los resultados no siempre los más
apropiados.

6. Defina la línea de tendencia del conjunto de observaciones de distancias X, y

tiempos de entrega, Y, en la distribución de un producto que se señalan en el
siguiente cuadro:
Embarque Distancia Entrega
observado (km) (días)
1 146 1,5
2 1.167 6,5
3 328 2,0
4 582 3,5
5 675 4,0
6 173 1,0
7 786 4,5
8 534 3,0
9 637 3,5
10 270 1,5
 7

Entrega (días) 5

0
0 200 400 600 800 1000 1200 1400
Distancia (km)

Obtenemos la ecuación:

y = 0.125 +0.0057x

7. Con los datos del problema anterior, calcule el error “estándar” de la estimación.

Aplicando la ecuación dada en el capítulo del tema tratado de obtiene:

S=0.2614
Podemos notar que este indicador es relativamente bajo, con lo cual es favorable para
nuestro modelo, es decir nuestra ecuación que expresa el comportamiento de la
variable es bien aceptado.

8. Con los datos del problema 6, calcule el coeficiente de correlación y explique el

significado del resultado.

⌊𝒏 ∑ 𝒙𝒚 − (∑ 𝒙)(∑ 𝒚)⌋𝟐
𝒓𝟐 = 𝟐 𝟐
[𝒏 ∑ 𝒙𝟐 − (∑ 𝒙) ][𝒏 ∑ 𝒚𝟐 − (∑ 𝒚) ]

⌊10(21071) − (5298)(30.5)⌋2
𝒓𝟐 =
[10(3696688) − (5298)2 ][10(120) − (30.5)2 ]

𝑟 2 = 0.998
Con lo cual podemos decir que en este modelo, se tiene un buen coeficiente de
correlación ya que es muy cercano a uno, entonces eso indicará que es buena la
relación entre nuestras variables X (distancia en km) e Y (entrega en días).