SUPUESTOS DE PROYECCION.

Para obtener conclusiones en relacin al comportamiento de la demanda (oferta)

Existen dos formas de hacer proyecciones de la demanda, lo mismo que para la
oferta: a travs de apreciaciones cualitativas y mediante mtodos matemticos.
En algunos casos, la apreciacin cualitativa modifica sustancialmente las
proyecciones elaboradas matemticamente.
Los estudios cualitativos permiten evaluar tendencias, saber los por qu, sin
embargo sus resultados no son proyectables. Los estudios cuantitativos nos
permiten, como su nombre lo indica, cuantificar el mercado, tomar una muestra
representativa y poder proyectar sus resultados con un margen de error acotado.

APRECIACIONES CUANTITATIVAS DE PROYECCION. LOS

PRONOSTICOS.
En la evaluacin de proyectos es indispensable
investigar en cuanto al desarrollo futuro de
ciertas variables relacionadas con el proyecto,
Para indagar el desarrollo futuro

tales como la demanda, la oferta, etc.

de estas variables se hace uso

de los pronsticos, basndonos
en los datos anteriores (situacin
histrica y actual). Grficamente
esto se puede representar de la
siguiente manera:
HISTORICOS

PROYECTADOS

MODELOS DE REGRESION

La regresin es una herramienta que determina las causales explicativas de un

determinado elemento del mercado objeto del anlisis. Las causales explicativas
se definen como variables independientes y el elemento del mercado objeto del
anlisis variable dependiente.

Este modelo es aplicable a productos que han

existido en el mercado un tiempo suficiente y se basa en la experiencia pasaba.

El anlisis de regresin, utilizando el mtodo de Mnimos Cuadrados, es un

enfoque matemtico que permite elaborar un modelo de pronsticos basados en el
estudio de dos o ms variables.

En trminos generales, La REGRESION, muestra COMO se relacionan

las variables y, mediante su ecuacin de regresin se estiman los
valores futuros. Para completar la idea de pronstico introducimos el
anlisis de CORRELACION que muestra el GRADO en el que esas
variables se relacionan, permitiendo determinar cual es el modelo que
mejor estima los valores futuros.

Existen dos modelos bsicos de regresin:

Modelo de regresin simple:

Esta herramienta relaciona una variable dependiente (elemento del mercado
objeto del anlisis), con una variable independiente . De esta manera si se
tiene informacin proyectada de la variable independiente, se puede predecir
el comportamiento de la variable dependiente dentro de un determinado
margen de error, que se podr estimar de varias maneras: lineal, parablica,
exponencial, etc.

Modelo de regresin mltiple:

Se utiliza generalmente debido a que la mayora de las relaciones involucran
ms de una variable independiente con una variable dependiente. Por
ejemplo, la demanda de un producto puede depender del precio del producto,
el ingreso de la poblacin, el precio de otros bienes sustitutos y posiblemente
de otras variables.

 X Y X XY
a
n X ( X )
2

MODELO DE REGRESION Y CORRELACION SIMPLE.

En el estudio de la relacin funcional entre dos variables poblacionales, una
variable X, llamada independiente, explicativa o de prediccin y una variable Y,
llamada dependiente o variable respuesta, presenta la siguiente notacin:
y = a + bx

x y x xy

a
n x ( x )
2

n xy x y
n x 2 ( x) 2

n x

n xy x y

( x ) 2 n y 2 ( y ) 2

Considere la informacin
siguiente:

INGRESOS

CONSUMO

13

12

15

14

17

16

18

15

20

18

21

18

22

17

24

19

24

21

26

20

28

21

30

22

REGRESION Y CORRELACION SIMPLE PARA SERIES DE

TIEMPO
MODELO DE REGRESION Y CORRELACION SIMPLE LINEAL:
La solucin para encontrar a y b en las SERIES DE TIEMPO se simplifican considerando el punto medio de la serie
como origen, haciendo de esta manera, que x = 0; en consecuencia las ecuaciones normales se convierten en:

y
xy

a
b
n
x
2

XY
X2

MODELO DE REGRESION CORRELACION PARABOLICA:

Y = a + bX + cX2

Parmetros desconocidos: a, b, c.

n X 2Y X 2 Y
n X 4 ( X 2 ) 2

2
Y

c
X

a
n

Coeficiente de correlacin parablica:

a Y b XY c X 2Y n y

Y 2 nY

XY

b
X2

MODELO DE REGRESION Y CORRELACION POTENCIAL

Y = b(X)a
Que tiene dos parmetros desconocidos: a y b.
Expresados en trminos logartmicos es: Log. Y = Log. b + a Log. X
Por lo que ahora, Log. b y a son los parmetros desconocidos.

n Log . XLog .Y Log . X Log .Y

n ( Log . X ) Log . X
2

Log .Y a Log . X

Log .b

Coeficiente de correlacin potencial:

a Log . XLog .Y Log .b Log .Y n( Log . y ) 2

2
2
(
Log
.
Y
)

n
(
Logy
)

MODELO DE REGRESION Y CORRELACION EXPONENCIAL:

La curva de regresin exponencial se determina a partir de la ecuacin:
Y = abx
Que tambin tienen dos parmetros desconocidos: a y b
Aplicando logaritmos se tiene: Log.Y = Log.a + X Log.b (puede ser + / -)
Siendo los parmetros desconocidos,
ahora:
Log.YLog. a y Log. b
Log .b
X
2

Log.Y
Log .a
n

Log .Y

Log .b
X
2

Coeficiente de correlacin exponencial:

Log .b XLog .Y Log .a Log .Y n( Log .Y ) 2

2
2
(
Log
.
Y
)

n
(
Log
.
Y
)

Considerar la informacin
siguiente:

AOS
(x)
1998

VOLUMEN DE
PRODUCCION (MILES)
(y)
56

1999

58

2000

55

2001

60

2002

64

2003

65

2004

68

2005

65

2006

78

2007

95

2008

97