Академический Документы
Профессиональный Документы
Культура Документы
Objetivos de aprendizaje
Recordar tcnicas de pronstico para estimar el comportamiento futuro de las variables. Seleccionar adecuadamente la tcnica de proyeccin de acuerdo a diversos factores. Reconocer el ciclo de vida del producto cuyo comportamiento se desea pronosticar. Considerar eventos no predecibles para ajustar los pronsticos.
INTRODUCCION
La prediccin de los comportamientos de las variables econmicas es ineludible en los proyectos El resultado de una prediccin se debe considerar slo como una medicin de evidencias incompletas, basadas en comportamientos empricos de situaciones parcialmente similares o en inferencias de datos estadsticos disponibles.
El mbito de la proyeccin
Existen mltiples alternativas metodolgicas, seleccionar la ms adecuada en cada situacin. Expresar la informacin de manera til para el proyectista. (Desglosada x criterio). Cuidar la calidad de los datos de entrada y fuentes de informacin. Calidad y cantidad de los datos disponibles y resultados esperados en funcin de:
Precisin: Reducir el Costo del error de pronstico. Sensibilidad: Posibilidad de adecuarse al cambio. Objetividad: Garantizar la validez y oportunidad de la informacin.
Mtodos de proyeccin
Mtodos de carcter cualitativo: opiniones de expertos, tiempo escaso, no tiene antecedentes. Modelos de pronsticos causales: estimar las variables causantes de los cambios sobre la variable dependiente. Modelos de series de tiempo: se utilizan cuando el comportamiento que asume el mercado a futuro puede determinarse por el comportamiento pasado.
Muestreo
Probabilstico: cada elemento elegible tiene la misma probabilidad de ser muestreado. No probabilstico: la probabilidad de ser elegible no es igual para toda la poblacin muestral).
Determinar el espacio muestral Clculo del tamao de muestra
Estimacin de la muestra
Parmetros : Nivel de confianza: 95% (usualmente) Margen de error: Diferencia entre la estimacin y el parmetro de la poblacin. Tamao de muestra: Se estima en funcin del tipo de poblacin: Poblacin Infinita Poblacin Finita La estimacin es ms precisa cuanto mayor sea el tamao de la muestra
Z p q N n 2 E N 1 Z 2 p q
Para poblacin infinita o indefinida:
Z p q n 2 E
E= margen de error
N= tamao poblacin
ME = Margen de Error
P/Q=1
Diseo de cuestionario
Primer Paso: Contenido de la informacin Definir mdulos: temas similares Definir preguntas Se aparta del objetivo? Se entiende pregunta? Se conoce la respuesta? Es accesible la pregunta al entrevistado? Segundo Paso: Formatos pregunta / respuesta Cerrado: con alternativas de respuesta Abierta: sin alternativas de respuesta Tercer Paso: Redaccin de preguntas Cuarto Paso: Orden de preguntas Quinto Paso: Aspecto fsico del formulario
la
Debe determinar cmo se va a realizar: por telfono, en persona, etc. Debe definirse cuantos y cules son los temas sobre lo que se quiere incidir Debe indicarse cmo se responder, con un s, o un no, con una x, etc. Se formulan las preguntas de acuerdo a un criterio y formato uniforme.
DETEMINAR EL CONTENIDO DE LAS PREGUNTAS DECIDIR SOBRE EL FORMATO DE RESPUESTA DECIDIR SOBRE LA REDACCIN DE LAS PREGUNTAS
DISEO DE ENCUESTA
Generalmente 10 encuestas
En hogares
Locacin Central
Exit Pool
Va Pblica
Telefnica tradicional
Fax
Correo Postal
Q = N x Intencin de Compra x f x q
Donde: N = Poblacin % de Int. de compra = creo que s lo comprara + con toda seguridad lo comprara f = frecuencia de compra q = cantidad de compra por vez
Muestreo no probabilstico
Muestreo de estratos: se predetermina un estrato de la poblacin (ingresos, edad, sexo) Muestreo de conveniencia: se predetermina el lugar donde se aplicar la encuesta, segn donde est el consumidor. Muestreo de bola de nieve: se encuesta en una primera instancia al azar y luego a partir de ello se toma elementos referenciales.
Modelos causales
Intentan proyectar el mercado sobre la base de antecedentes cuantitativos histricos, para lo cual suponen que los factores condicionantes del comportamiento histrico de alguna o todas las variables del mercado permanecern estables. Los modelos causales de uso ms frecuente:
Modelo de regresin Modelo economtrico Modelo de insumo producto
MODELOS CAUSALES
Se presentan dos etapas en la formulacin del modelo: 1.- Identificar las variables Ejemplo: Cantidad de construcciones = f(Rentabilidad disponible, permisos de construccin, PNB, Tasa de inters) 2.- Determinar la forma del modelo,(lineal o no lineal,etc)
MODELOS CAUSALES
Modelo de regresin Mltiple: Hay dos o ms variables independientes.
y a b1 x1 b2 x2 b3 x3 .... bn xn Modelosec onomtri cos : Qd f ( p, NA, Ps , C , CA) Qd Cantidad demandada p precio producto NA Nivel de actividad Ps Pr ecio sustitutos CA Capacidad de produccin
Modelos de regresin
Regresin simple y Regresin mltiple. Los modelos de regresin se basan en tres supuestos bsicos, los cuales si son transgredidos, invalidan la proyeccin:
Los errores de la regresin tienen una distribucin normal con media = 0 y varianza constante. Los errores no estn correlacionados entre ellos. Auto correlacin. Todas las variables analizadas se comportan en forma lineal o son susceptibles de linealizar.
Estadsticas de Regresin
El coeficiente de correlacin R, es una medida de la intensidad de la relacin lineal entre dos variables, es un indicador de la precisin y confiabilidad de la relacin entre las variables. Puede tomar valores entre -1 y 1. El coeficiente de determinacin R2, la porcin de la variacin total en la variable dependiente Y, que se explica por la variacin en la variable independiente x. muestra cun confiable es la lnea de regresin y corresponde a una medida de lo cercano del ajuste. Su resultado est entre 0 y 1 e indica que cantidad de la variacin total en y respecto a su media es explicada por la lnea de regresin Y = a + bx Error estndar o error tpico, es la medida de la dispersin de los valores observados, con respecto a la lnea de regresin, corresponde a la cantidad de dispersin de los datos reales alrededor de la tendencia determinada por la lnea de regresin. Este valor se utiliza con la distribucin normal para calcular los intervalos de confianza.