Cap3. Mercado Tecnicas de cos

5/8/2018 Cap3. Mercado Tecnicas de cos - slidepdf.com

http://slidepdf.com/reader/full/cap3-mercado-tecnicas-de-cos 1/47



www.auladeeconomia.com

TECNICAS DE ANALISIS DE

MERCADO

5.2.1.Ciclo de vida del Producto




5.2.2. egresión ( étodo de los mínimos cuadrados)

5.2.3. odelo econométrico

5.2.4. odelos de eries de iempo

En un análisis de series de tiempo pueden

distinguirse cuatro componentes básicos que se refieren

a una tendencia, a un factor cíclico, a fluctuacionesestacionales y a variaciones no sistemáticas






1.1. Necesidad de pronosticar

yEntorno altamente incierto

yLa intuición no necesariamente da los

mejores resultados

yMejorar la planeación

yCompetitividad y cambio



1.2. Tipos de pronósticos

Por su plazo: y De corto plazo

y De largo plazo

Según el entorno a

pronosticar

y Micro

y Macro

Según elprocedimiento

empleado

y

Cualitativoy Cuantitativo



1.3. Pasos de la elaboración de

pronósticos

y1. Recopilación de datos

y2. Reducción o condensación dedatos

y3. Construcción del modelo

y4. Extrapolación del modelo



2. Exploración de patrones de

datos

ySe requieren suficientes datos

históricosySe apoyan en la suposición de que el

pasado puede extenderse hacia elfuturo



Las técnicas cuantitativas

pueden ser:Estadísticas Se enfocan en patrones y

en cambios en los

patrones y sus

perturbaciones

Determinísticas Son de tipo causal,

establecen relación entrela variable a pronosticar y

otras variables



Con relación a las técnicas

cuantitativas estadísticas se presentandos enfoques:

y Los datos se pueden descomponer en

componentes de tendencia, cíclicos,estacionales y aleatorios.

y Modelos econométricos de series detiempo y Box-Jenkins.



3. Componentes de series de tiempo:

yUna serie de tiempo consta de datos

que se reúnen, registran u observansobre incrementos sucesivos detiempo.

ySe requiere un enfoque sistemáticopara analizarlas.



Descompos c n c s ca e ser es e

tiempo:Componente Descripción

Tendencia Es el componente de largo plazo que

representa el crecimiento o disminución

en la serie sobre un periodo amplio.

Cíclico Es la fluctuación en forma de onda

alrededor de la tendencia.

Estacional Es un patrón de cambio que se repite a

sí mismo año tras año.

Aleatorio Mide la variabilidad de las series de

tiempo después de retirar los otros

componentes.



4. Selección de una técnica de

pronóstico: Datos estacionarios

yLas fuerzas que generan la serie se han estabilizado y el medio permanece relativamente sin cambios.

y Se puede lograr la estabilidad haciendo

correcciones sencillas a factores como crecimientode la población o la inflación.

yLa serie se puede transformar en una serie estable.

yLa serie es un conjunto de errores de pronóstico, deuna técnica de pronóstico que se consideraadecuada.




pronóstico: Datos con tendenciayProductividad creciente y nueva tecnología

producen cambios.

yEl incremento de la población elevan lademanda por productos.

yEl poder de compra se afecta por la

inflación.y A umenta la aceptación en el mercado de un

producto.



4. Selección de una técnica depronóstico: Datos con estacionalidad

yEl clima influye en la variable de interés.

yEl año calendario influye en la variable.




pronóstico: Series cíclicasyEl ciclo del negocio influye sobre la variable.

yCambios en el gusto popular.

yCambios en la población.

yCambios en el ciclo de vida del producto.



5. Medición del error en el

pronóstico

ySe compara la precisión de dos o más

técnicas de pronóstico.

ySe mide la confiabilidad de una técnicade pronóstico.

ySe busca la técnica óptima.



5. Medición del error en el pronóstico

Periodo, t Yt Pronóstico, Yt1 58 -

2 54 58

3 60 544 55 60

5 62 55

6 62 62

7 65 62

8 63 65

9 70 63



5. Fórmulas de medición del error

en el pronóstico

t t t

t t

t

Y Y

r si l pr óstil Err r

Y p r pr óstil l r Y

t p ril ti p s ril r Y

Ö

:

Ö

!

!

!




en el pronóstico

n

Y Y

EMC

cuadradomedio Error

n

Y Y DAM

mediaabsoluta Desviación

n

t

t t

n

t

t t

§

§

!

!

!

!

1

2

1

Ö

:

Ö

:




en el pronóstico

n

Y

Y Y

PME

error demedio Porcentaje

n

Y

Y Y

PEMA

absolutomedioerror de Porcentaje

n

t t

t

n

t t

t t

§

§

!

!

!

!

1

1

Ö

:

Ö

:



6. Modelos de series de tiempo

6.1. Modelos no formales:yEstas técnicas suponen que los

periodos recientes son los mejores parapronosticar el futuro.

yEl método más sencillo es el método

del último valor:Pronóstico = último valor



6.1. Método del último valor

t Yt Yt+1 et

1 42

2 52 42 103 54 52 2

4 65 54 11

5 51 65 -14

6 64 51 13



6.2. Metodos de promedio

yPromedios simples:

ySe obtiene la media de todos los valores pertinentes, la cual seemplea para pronosticar el

periodo siguiente.



Promedios simples:

t Yt Yt+1

1 42

2 52 42

3 54 47.00

4 65 49.335 51 53.25

6 64 52.80



Promedios móviles:

yEste método no considera la media detodos los datos, sino solo los más

recientes.ySe puede calcular un promedio móvil de

n periodos.

yEl promedio móvil es la media aritméticade los n periodos más recientes.



Promedios móviles:

pr i il

t Yt n=3 n=4

45

3 54

4 65 49.335 5 5 . 53. 5

6 64 56.6 55.5



6.3. Metodos de suavizamiento

exponencialyEl método de suavizamiento exponencial puede

dar una ponderación mayor a las observaciones

más recientes.yLas ponderaciones se asigna mediante la

constante E, 0 < E < 1.

yEl modelo se expresa como:pronóstico = E (último valor) + (1 - E)(último pronóstico)



6.3. Metodos de suavizamiento

exponencial

t Yt E=0.1 E=0.5

1 42

2 52 42 423 54 43.00 47.00

4 65 44.10 50.505 51 46.19 57.75

6 64 46.67 54.38



6.4. Descomposición de series de

tiempoyLas tendencias son movimientos a largo plazoen una serie de datos a lo largo del tiempo.

yLa tendencia puede ser descrita por una recta o

por una curva.

yLas tendencias se dan por varias causas:cambios en la población, cambios en la

productividad, cambios tecnológicos, etc.yEn este tipo de análisis la variable

independiente es el tiempo.



6.4.1. Tendencia linealy

El método más empleado para describir unatendencia lineal es el de mínimos cuadrados,para encontrar una línea de mejor ajuste paraun conjunto de puntos.

Y ́ = a + bX

y Y´ = valor pronosticado en un periodo X

y

a = valor de la tendencia cuando X = 0yb = pendiente de la recta de tendencia

y X = periodo (codificado)



6.4.1. Tendencia lineal: ejemplo

Año Periodo X Demanda (Y)

1994 1 35

1995 2 42

1996 3 48

1997 4 51

1998 5 54

1999 6 60

2000 7 71

2001 8 75




30

35

40

45

50

55

60

65

70

75

80

1994 1995 1996 1997 1998 1999 2000 2001




X Y XY X²1 35

2 42

3 484 51

5 54

6 60

7 71

8 75

Sumas



6.4.1. Tendencia lineal: fórmulas

n

xb

n

ya

x xn

y x xyn

b

§§

§ §

§ § §

!

! 22



6.4.1. Tendencia lineal

t Yt Y´t et1 35

2 42

3 484 51

5 54

6 60

7 71

8 75

9



6.4. . T cia li alCoeficiente de Determinación:

y Se puede calcular el coeficiente de determinación, a fin deevaluar qué tan correcta es la estimación de la recta deregresión. Su valor es entre 0 y 1, mientras mas alto hay masconfianza en la estimación.

y El coeficiente de determinación r² se calcula como:

? A

? A ? A2222

2

2

§§§§§§§

! y yn x xn

y x xyn

r




yTambién es posible calcular intervalos deconfianza para la estimación. Para ello es

necesario calcular el error estándar de laestimación.

2

2

! § §§n

xyb ya yS e




Nivel de

confianza

Z Fórmula

68% 1 y¶ ± Se

95% 2 y¶±

2Se

99% 3 y¶ ± 3Se



7. Aplicación de varios métodos a datos

desestacionalizados

y Los datos muestran alguna tendencia creciente a lo largodel tiempo, además de una marcada estacionalidad. Seprocederá a desestacionalizar los datos, lo que permiteobservar hasta donde las variaciones se deben a efectos

estacionales o bien, a otros factores.y El proceso de ajuste estacional se realizará a través del

cálculo de factores estacionales:

Factor estacional = Prom. periodo / prom. global



Año Trim. Yt

1 1 13618

2 129303 13138

4 16532

2 1 145142 14128

3 15568

4 17448

3 1 13984

2 13644

3 15898

4 19300



7. Aplicación de varios métodos a

datos desestacionalizados

10000

11000

12000

13000

14000

15000

16000

17000

18000

19000

20000

1 2 3 4 1 2 3 4 1 2 3 4

Trimestres




datos desestacionalizados

T

Año

Suma Prom

Factor

Estac.1 2 3

1 13618 14514 13984 42116 10529 0.93232 12930 14128 13644 40702 10175 0.9010

3 13138 15568 15898 44604 11151 0.9873

4 16532 17448 19300 53280 13320 1.1794

Total 45175.50

Prom. 11293.88



Año Trim. Yt Yt ajust.

1 1 13618.00 14607.27

2 12930.00 14351.12

3 13138.00 13306.33

4 16532.00 14017.29

2 1 14514.00 15568.36

2 14128.00 15680.79

3 15568.00 15767.47

4 17448.00 14793.96

3 1 13984.00 14999.862 13644.00 15143.59

3 15898.00 16101.70

4 19300.00 16364.25




datos desestacionalizadosySe aplican varios métodos de pronóstico para

finalmente seleccionar el mejor pronóstico.

y A. Método de pronóstico del último valoryB. Promedios móviles

yC. Suavizamiento exponencial

yD. Suavizamiento exponencial con tendencia



tros métodos:yModelos de tendencia con ajuste estacional

yModelo de promedios móviles integradosautorregresivos ( A RIM A o Box-Jenkins)

yPronósticos causales (modeloseconométricos)

yMétodos de pronósticos subjetivos



Documents

Cap3. Mercado Tecnicas de cos