Formulación y Evaluación

de Proyectos
Econ. Javier Morales Moncada

Segundo término 2019

Octubre – Febrero
 Unidad 2
Estudio de Mercado
2.4 Técnicas de Predicción del
mercado
 Objetivos de la unidad
• Estimar el comportamiento futuro de algunas
variables utilizando diversas técnicas de
pronósticos.
¿Qué es una técnica de predicción?
• Es una forma de calcular
las evidencias, las cuales
sustentan una serie de
comportamientos
empíricos en derivación
de datos estadísticos.
¿Para que se utilizan?
• Son utilizadas por las
empresas para elaborar
el estudio de mercado.
• Son técnicas que miden
las variables necesarias
para conocer la
demanda.
 Técnicas de predicción
• La predicción de los comportamientos de las
variables económicas  mayores dificultades en
el estudio de propuestas de inversión.
• Sin embargo la esencia de la evaluación de los
proyectos es comparar una inversión o una
desinversión actual en el flujo de caja.
 Métodos de predicción

Cuantitativos Cualitativos

Son utilizados
Son expresados para apoyar el
matemáticamente proceso de toma
de decisiones.
 Técnicas de Cuantitativas de predicción
Modelos Causales Series de tiempo

Pronostican el valor
Relación entre futuro de la
variables variable que desea
estimar.
 Técnicas de Cuantitativas de predicción
• Ejemplo: Proyección de atención pediátrica.

• Modelo Causal Vincularía el número de

prestaciones médicas con la cantidad de niños de cada
zona geográfica
• Serie de tiempo relacionaría la evolución de la
población infantil con el número de atenciones
pediátricas a través del tiempo.
Técnicas de Cuantitativas de predicción
Modelos Causales

Relación
entre
variables
 Modelos Causales
Requiere que exista una relación entre los valores de
ambas variables y que los de la variable independiente
sean conocidos o que su estimación otorgue una mayor
confianza.

La forma mas común es el método de regresión.

(predice el comportamiento de la variable dependiente
a partir de una línea recta)
 Modelos Causales
•Regresión lineal simple
- Una variable dependiente; y
- Una variable independiente

•Regresión lineal múltiple

- Una variable dependiente; y
- Dos o más variables independientes
 Regresión lineal o métodos de los mínimos
cuadrados
•Regresión lineal simple f(x)
Ejemplo:
- Variable independiente: Producción
- Variable dependiente: Costos de producción
 Regresión lineal o métodos de los mínimos
cuadrados
•Regresión lineal múltiple f(x1,x2,…,xn)
Ejemplo:
- Variable dependiente: -Consumo
- Variables independientes: -Nivel de precios
-Ingresos
 Regresión lineal Simple
Busca determinar la recta que represente de mejor
manera la tendencia de las relaciones observadas
entre dos variables, para usarlas como base de la
proyección de la tendencia futura.
Regresión lineal Simple
 Regresión lineal Simple

Ŷ = a + bX  Recta de regresión
Donde:
a = desviación al origen de la recta
b = pendiente de la recta
X = valor dado de la variable X
Ŷ = valor calculado de la variable Y
Regresión lineal Simple
 Estimadores: a y b
n XY  ( X )( Y )
b
n X 2  ( X ) 2

Y  media.de.Y
a  Y  bX X  media.de. X
 Ejercicio
•Una empresa requiere proyectar la demanda
potencial de juegos de entretenimiento electrónicos
para niños, antes de decidir respecto a la
conveniencia de emprender una ampliación de sus
instalaciones en otro sector de la ciudad.
•La población infantil es totalmente independiente
de las empresas en cuestión, por tanto esta será la
variable independiente de la población infantil.
 Población Infantil
Local Ventas Y
X
1 14,68 3.845
2 22,93 5.450
3 16,65 5.099
4 35,99 8.890
5 32,48 6.681
6 38,77 9.678
7 10,03 4.542
8 24,26 4.557
9 52,46 13.289
10 36,80 10.506
11 17,34 5.134
12 43,69 9.066
 Población
Local Ventas Y X*Y X² Y²
Infantil X
1 14,68 3.845
2 22,93 5.450
3 16,65 5.099
4 35,99 8.890
5 32,48 6.681
6 38,77 9.678
7 10,03 4.542
8 24,26 4.557
9 52,46 13.289
10 36,80 10.506
11 17,34 5.134
12 43,69 9.066
Suma
Media
 Ejercicio
n XY  ( X )( Y ) 12 * (2.903.465,41)  (346,08)(86.737)
b = 212,03
n X  ( X ) 12 * (11.876,79)  (346,08)
2 2 2

a  Y  bX = 7.228 – (212,03) (28,84) = 1.113,20

Recta de regresión

Ŷ = 1.113,20 + 212,03 X
 Curva de Regresión
Población Infantil (X) Curva de regresión
ajustada
14.000

12.000

10.000
Ventas Y

8.000

6.000

4.000

2.000

-
- 10,00 20,00 30,00 40,00 50,00 60,00

Población Infantil X

Ventas Y Pronóstico Ventas Y Y = 1.113,20 + 212,03 X

 Coeficiente de correlación ( r )
El coeficiente r mide el grado de correlación que
existe entre X y Y.
Qué tan relacionados están las variables entre sí.
Este coeficiente puede ser positivo o negativo
-1 < r < 1 .
 Coeficiente de determinación (r2 )
Indica qué tan correcto es el estimado de la ecuación de
regresión. Mientras más alto sea r2, más confianza podrá
tenerse en el estimado de la línea de regresión.
Por lo tanto el r2 indica el grado en el que la variable
independiente explica el comportamiento de la variable
dependiente.

0< r2<1
 Coeficiente de determinación (r2 )
[ n XY  ( X )(  Y )] 2
r 2

[n X 2
 ( X ) 2 ][ n Y 2  ( Y ) 2 ]

[12 * ( 2.903.465, 41)  (346 ,08)(86.737 )]2

r2 
[12 * (11.876,79)  (346,08) 2 ] * [12 * ( 724.737.753 ) - (86.737) 2 ]
r2 = 0,8715
Eso quiere decir que el 87,15% de las variaciones de la variable
dependiente (y) se explican debido a variaciones de la variable
independiente (x)
 Hazlo en EXCEL
• En Excel verificar si en el menú de
HERRAMIENTAS están habilitados las opciones
SOLVER y ANALISIS DE DATOS.
• En caso de que no, procedan a instalarlo:
ARCHIVOS OPCIONES COMPLEMENTOS 
MARQUE HERRAMIENTAS PARA ANALISIS, 
presione IR y marque las dos opciones.
 Regresión simple
• Se tiene un análisis de relación del peso de los
cerdos en función de su edad.

• Descargar el archivo:
• 2 Regresión Lineal simple - peso y edad de cerdos
 Regresión lineal múltiple
•Ŷ = b0 + b1X1 + b2X2 + b3X3+…+bnXn
recta de regresión lineal múltiple

En donde:
b0, b1, b2, b3 y bn son estimadores lineales de las
variables explicativas X1, X2, X3 y Xn
 Para calcular los estimadores:
S 22 S1Y  S12 S 2Y S11S2Y  S12 S1Y
b1  b2  b0  Y  b1 X 1  b2 X 2
S11S 22  S12
2
S11S22  S12
2

S11   X1i  nX1 S12   X 1i X 2I  nX 1 X 2

2 2
S22   X 2i  nX 2
2 2

S1Y   X 1i YI  nX 1Y S 2Y   X 2i YI  nX 2Y S YY   Yi  nY 2
2

El coeficiente de determinación b1 S1Y  b2 S 2Y

R 2 YX1 X 2 
se calcula como sigue: S YY
 Ejercicio
•Una empresa quiere proyectar la demanda de jugos
naturales concentrados antes de abrir una nueva
planta al sur de la ciudad. Por lo que mediante
fuentes de información secundaria obtiene datos
históricos del mercado. Cree que el
comportamiento histórico de la demanda puede ser
explicada por la temperatura promedio anual (X1) y
la inflación (X2)
 Temperat
Demanda Inflación X1² X2² X1 * X2 Y² X1 * Y X2 * Y
ura

1 6.300 25 15
2 5.600 22 25
3 6.900 27 16
4 7.100 28 19
5 7.300 30 26
6 7.500 32 31
7 5.500 28 99
8 6.900 32 51
9 8.100 33 22

10 9.300 34 11

Suma 70.500 291 315

Media
S11 130,90 S1Y 31.550,00 b1 240,76

S12 (1,50) S2Y (141.750,00) b2 (22,85)

S22 6.188,50 SYY 11.545.000,00 b0 763,51

Y = 763,51+ 240,76 X1 – 22,85 X2 r2 = 0,938 R = 0,968

Técnicas de Cuantitativas de predicción
Series de tiempo

Pronostican el valor
futuro de la
variable que desea
estimar.
 Modelos de Series de Tiempo
Los modelos de series de tiempo pronostican el valor
futuro de la variable que se desea estimar
extrapolando el comportamiento histórico de los
valores observados para esa variable. En esta
categoría se clasifica los métodos de:
- Promedios móviles
- Extrapolación de la tendencia histórica
- Afinamiento exponencial
 Modelos de Series de Tiempo
Cualquiera sea el método, el análisis de las series de
tiempo se aplica cuando se considera que el valor
que asume la variable dependiente se explica por
el paso del tiempo.
 Modelos de Series de Tiempo
Las fluctuaciones observadas en el pasado pueden
diferenciarse en tres tipos: de tendencia, cíclica y
estacional, cuyo comportamiento puede graficarse
como sigue.
Modelos de Series de Tiempo
 Método de promedios móviles
El método de promedios móviles más simple es el
denominado promedio móvil simple de “n”
períodos, donde el valor esperado para la variable Y
se calcula por:

Yt  Yt 1  ....  Yt  n 1
Yt 1 
n
Extrapolación de la tendencia histórica

Este método es similar al de los mínimos

cuadrados, diferenciándose en que la
variable independiente (X) corresponde a los
períodos de tiempo. La ecuación Ŷ = a + bX
ajustada en base histórica hasta un período t
se extiende linealmente desde t hacia t+n.
 Extrapolación de la tendencia histórica
Año X Ventas (Y) Año X Ventas (Y)
1989 1 75.000 2000 12 110.000
1990 2 84.000 2001 13 119.000
1991 3 78.000 2002 14 116.000
1992 4 86.000 Proyección Anual de Ventas
1993 5 83.000 Año X Ventas (Y)
1994 6 87.000 2003 15
1995 7 92.000 2004 16
1996 8 92.000 2005 17
1997 9 97.000 2006 18
1998 10 95.000 2007 19
1999 11 101.000 2008 20
Afinamiento exponencial
Este método se utiliza para pronósticos de corto plazo, y toma en
cuenta el promedio ponderado de las cifras reales durante el último
periodo y de la proyección realizada para ese mismo periodo. La
expresión que representa la forma de cálculo es la siguiente:

Yˆt 1  Yt  (1   )Yˆt

 Y  Yˆ 
n 2
t t
Afinamiento.Exponencial  t 1
n
 Afinamiento exponencial

Yˆt 1  Yt  (1   )Yˆt

Ŷt+1:reresenta la proyección para el próximo periodo
Yt: es la cifra real del periodo vigente
Ŷt: es el pronóstico de la cifra
 Técnicas de Cualitativas de predicción
• Las técnicas cualitativas de predicción son complementos de
la información que deberá estar disponible antes de aprobar
o rechazar un proyecto.

• Estas técnicas se fundamentan en el valor que se otorga a las

experiencias pasadas y a la capacidad de las personas para
intuir anticipadamente efectos sobre las variables más
relevantes en la viabilidad de un proyecto, así como el
conocimiento especializado de éxitos, fracasos y estándares
de desempeño en materias similares.
 Técnicas de Cualitativas de predicción

Método Delphi Predicción tecnológica Inv. De mercados

Capacidad de Considera
Grupo de anticipar desarrollo opinión de
expertos de nuevas clientes.
tecnologías
Técnicas de Cualitativas de predicción
Método Delphi

Grupo de
expertos
 El método Delphi
Grupo heterogéneo de expertos que actúan de
forma interactiva con la ayuda de un
coordinador.
La opinión de cada experto es anónima, es
entregada al coordinador y luego es este quien
la procesa y la retroalimenta a todos los
expertos.
 El método Delphi
Grupo heterogéneo de expertos que actúan de
forma interactiva con la ayuda de un
coordinador.
La opinión de cada experto es anónima, es
entregada al coordinador y luego es este quien
la procesa y la retroalimenta a todos los
expertos.
 El método Delphi: proceso
• Mediante la reiteración del proceso en varias rondas, se
tiende a una convergencia de opiniones que resulta en una
predicción ampliamente consensuada.
• Este método se fundamenta en que la suma de las
especialidades particulares de los integrantes del grupo
cubre todo el ámbito de conocimiento que se requiere para
la predicción, y en que el conocimiento combinado supera
las capacidades predictivas de cada individuo.
Técnicas de Cualitativas de predicción
Predicción tecnológica

Capacidad de
anticipar desarrollo
de nuevas
tecnologías
 Ejemplo: predicción del mercado habitacional
Se puede constituir un grupo de expertos integrado por: un agente
corredor de propiedades, una ex autoridad económica del sector
viviendas del gobierno, un empresario de la construcción, un analista de
una institución bancaria especializado en créditos para la compra de
viviendas, un analista bancario especializado en otorgar financiamiento
a proyectos inmobiliarios, un funcionario de la dirección de obras
municipales de la comuna donde se insertaría el proyecto y un
universitario recién egresado de la carrera de Administración que, con
un nulo conocimiento del mundo real, con seguridad aportará la
aplicación de uno o más de los modelos cuantitativos ya explicados.
 Predicción tecnológica
• Es un método que incentiva la capacidad de anticipar
el desarrollo de nuevas tecnologías o productos y el
impacto que podría tener en el mercado específico de
la empresa.

• El método trata de prever un ciclo de vida y anticipar

una curva de sustitución para definir la oportunidad
del reemplazo de un mercado, un producto, insumo o
tecnología, con la antelación suficiente.
 Predicción tecnológica
• Los principales supuestos del método son: que cuando
una innovación tecnológica aparece, los rendimientos
crecientes terminarán por dejar obsoleta la tecnología
actual, el proceso sustitutivo es irreversible.
• Este método requiere un seguimiento permanente de
toda innovación que se empieza a introducir al
mercado.
Tecnología similares del pasado ciclo de vida del nuevo
(mediante indicador de desempeño)
 Predicción tecnológica
Nueva Tecnología

Indicador de
Desempeño

Tecnología anterior
Tiempo
T3

Indicador de
Desempeño Ciclo de vida de una tecnología

Tiempo
T3
Técnicas de Cualitativas de predicción
Inv. De mercados

Considera
opinión de
clientes.
 La investigación de mercados
Considera la opinión de los clientes como
pertinente en la actividad predictiva. Para ello
recurre a diversas formas de recopilación de
sus opiniones.
 La investigación de mercados
Encuestas a una muestra representativa de la
población (tamaño de la muestra)

Realización de experimentos

La observación de los consumidores potenciales

en mercados de prueba