Tcnicas de Proyeccin del mercado

Ing. Marco Antonio Llaza Loayza 2011

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.

Mtodos cualitativos o subjetivos

Cuando los mtodos cuantitativos no pueden explicar por s solos el comportamiento futuro esperado, o cuando no existen datos. Mtodo Delphi Consenso de panel Investigacin de mercado: exploratoria, descriptiva o explicativa.
Encuestas de intenciones. Caractersticas de productos, empresas o consumidores.

MTODO DE CONSENSO DE PANEL

A diferencia de la tcnica Delphi, es que no existen secretos sobre la identidad del emisor No hay retro alimentacin del exterior Al no existir secretos se estimula la comunicacin, el trabajo en grupo es mejor que el de una sola persona Existe el peligro que emerja un grupo dominante que anula la interaccin adecuada y se acepte por la capacidad de argumentacin y no por la validez de la misma.

Mtodo de Pronsticos Visionarios

A travs de entrevistas al personal interno de la
empresa se obtiene informacin dado que poseen experiencia y conocimiento de sus clientes, y esto les permite emitir opiniones respecto a reacciones y comportamientos posibles de esperar en el futuro.

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

Definicin de la poblacin objeto de estudio

Dominio del estudio:
Lugar de realizacin del estudio Unidad de anlisis:

Sujeto de estudio de acuerdo a segmentacin

Definicin del universo

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

 Frmulas: Para una poblacin finita:

n= N encuestas Z= nivel confianza p= %poblacin que tiene caracterstica q= 1 - p

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

Tabla de tamao de muestra con mxima dispersin para poblacin infinita

Nivel de Confianza
ME 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09 0.10 90 91 92 93 94 95 96 97 98 99 6724 7141 7657 8191 8836 9604 10507 11773 13456 16513 1681 1786 1915 2048 2209 2401 2627 2944 3364 4129 748 794 851 911 982 1068 1168 1309 1496 1835 421 447 479 512 553 601 657 736 841 1033 269 286 307 328 354 385 421 471 539 661 187 199 213 228 246 267 292 328 374 459 138 146 157 168 181 196 215 241 275 337 106 112 120 128 139 151 165 184 211 259 84 89 95 102 110 119 130 146 167 204 68 72 77 82 89 97 106 118 135 166

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

ESPECIFICAR LA INFORMACIN NECESARIA

Aqu el investigador debe listar sus necesidades de informacin

ESPECIFICAR EL TIPO DE ENTREVISTA

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

DECIDIR SOBRE LA SECUENCIA DE LAS PREGUNTAS

Aqu debe sealarse el orden lgico que tendrn

DISEO DE ENCUESTA

OBTENER UN NMERO CONVENIENTE DE ENCUESTAS PARA LA PRUEBA PILOTO

Generalmente 10 encuestas

EFECTUAR LA PRUEBA PILOTO

Aqu se comprueba el orden lgico que tendrn

REVISAR EL ORDEN DE LAS PREGUNTAS

OBTENER EL NMERO FINAL DE ENCUESTAS

Mtodos de Encuesta Telefnica Personal Correo

En hogares

Locacin Central

Exit Pool

Va Pblica

Telefnica tradicional

Fax

Correo Postal

Correo Electrnico Internet

Determinacin de la Cantidad Demandada

Frmula:

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 LA SERIE DE TIEMPO

Se puede predecir el futuro en base a datos
histricos. Se utiliza si la informacin histrica est completa y es confiable. Una serie de tiempo presenta cuatro componentes: 1.- Tendencia 2.- Cclico 3.- Estacional 4.- Irregular

MODELOS DE LA SERIE DE TIEMPO-TENDENCIA

Clasificacin del componente : Sistemtico Definicin: General o persistente, patrn de movimiento hacia arriba o hacia abajo en el largo plazo. Razones por las que cambia: Cambios en la tecnologa, poblacin Duracin : varios aos

MODELOS DE LA SERIE DE TIEMPO-CCLICO

Clasificacin del componente:Sistemtico
Definicin: Oscilaciones repetidas hacia arriba o hacia abajo movimientos que pasan por 4 fases, desde un pico (prosperidad) hasta una contraccin (recesin) luego hasta un valle (depresin) y finalmente hacia una expansin(recuperacin o crecimiento)

MODELOS DE LA SERIE DE TIEMPO-CCLICO

Razones por las que cambia: Interaccin de mltiples factores que influyen sobre la economa
Duracin :Por lo general de 2 a 10 aos con intensidad no uniforme para un ciclo completo

MODELOS DE LA SERIE DE TIEMPO-ESTACIONAL

Clasificacin del componente:Sistemtico Definicin: Fluctuaciones peridicas bastante regulares que se presentan dentro de cada perodo de 12 meses. Razones por las que cambia: Condiciones climatolgicas, costumbres sociales y religiosas Duracin :Generalmente en un lapso de 12 meses (o cada mes o cada 4 meses)

MODELOS DE LA SERIE DE TIEMPO-IRREGULAR

Clasificacin del componente: No sistemtico Definicin: Las fluctuaciones errticas o residuales en una serie de tiempo que existen despus de tomar en cuenta los efectos sistemticos: tendencia,cclica y estacional. Razones que influyen: Sucesos no previstos, huelgas, huracanes, asesinatos polticos, inundaciones Duracin : Corta duracin y no repetidos

MODELOS DE LA SERIE DE TIEMPO-IRREGULAR

Clasificacin del componente: No sistemtico Definicin: Las fluctuaciones errticas o residuales en una serie de tiempo que existen despus de tomar en cuenta los efectos sistemticos: tendencia,cclica y estacional. Razones que influyen: Sucesos no previstos, huelgas, huracanes, asesinatos polticos, inundaciones Duracin : Corta duracin y no repetidos

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.

Relaciones entre el coeficiente de correlacin, el coeficiente de determinacin y el error estndar de estimacin

El error estndar de estimacin mide cun cerca de la recta de regresin se encuentran los valores reales. El coeficiente de correlacin mide la intensidad de la asociacin entre dos variables. As que el error estndar y el coeficiente de correlacin indican la misma informacin, pero utilizan una escala diferente para sealar el vigor de la asociacin. El cuadrado del coeficiente de correlacin se denomina coeficiente de determinacin. Mide el porcentaje de la variacin en Y que se explica por la variacin en X. Un medio para mostrar la relacin entre estas tres medidas es una tabla ANOVA