Академический Документы
Профессиональный Документы
Культура Документы
MACROENTORNO
FACTORES ECONMICOS DE PIURA
Uno de los principales factores econmicos que afectaran la puesta en marcha de este
tipo de producto sera el ingreso familiar per cpita de los ciudadanos de Piura y
Castilla, el cual ascendera a 632.7 soles mensuales, no obstante estimando la poblacin
para el ao 2016 el ingreso familiar per cpita promedio ser aproximadamente 664.467
soles mensuales. Piura y Castilla, tuvo en el 2013 un promedio de ingreso familiar per
cpita de 899 soles mensuales y para el ao 2014 fue aproximadamente 1 005 soles
mensuales.
TABLA N : Ingreso familiar Per Cpita, en soles constantes base 2001, Piura.
Periodo
Ingreso familiar
Per-Cpita
2003
251.5
2004
256.6
2005
259.0
2006
298.0
2007
326.4
2008
339.8
2009
377.4
2010
466.6
2011
503.4
2012
537.4
Fuente: Instituto Nacional de Estadstica e Informtica (INEI) - Encuesta Nacional de Hogares (ENAHO),
Anual.
A partir de los datos de la tabla anterior se estudi el comportamiento de la variable de inters a lo largo
del tiempo, el anlisis estadstico se presenta en el ANEXO N ** , el modelo ms conveniente y la
prediccin para 4 aos siguientes, es presentado a continuacin.
TABLA N0 : Pronsticos para Ingreso Modelo: Caminata aleatoria con drift = 31.7667
Lmite en 95.0% Lmite en 95.0%
Periodo Pronstico Inferior
Superior
2013
569.167
509.603
628.731
2014
600.933
516.697
685.169
2015
632.7
529.532
735.868
2016
664.467
545.339
783.594
Elaboracin Propia
Esta tabla muestra los valores pronosticados para Ingreso per cpita en el departamento
de Piura, para los periodos de tiempo 2015 2016, ms all de la serie de tiempo, se
muestran los lmites del 95.0% de prediccin para los pronsticos. Estos lmites
muestran en donde podra estar el valor verdadero del dato, al tiempo futuro
seleccionado, con 95.0% de confianza, asumiendo que el modelo ajustado es apropiado
para los datos.
GRFICA N 0: Modelo de serie de tiempo para el ingreso familia per cpita.
750
Ingreso
650
550
450
350
250
2000
2004
2008
2012
2016
.Elaboracin Propia
FACTORES DE SALUD
La situacin a nivel de Per es fundamental analizarla con respecto a las principales
causas de muerte. Segn un estudio realizado por el Ministerio de Salud (ao 2012) el
18,9% fallece a raz cncer y tumores malignos, un 4,5% isqumicas al corazn y as de
otras enfermedades que son alimentadas por los excesos de azcar comn (procesada).
TABLA N : Jerarqua de las principales causas de muerte en el Per.
PRINCIPALES CAUSAS DE MORTALIDAD POR SEXO
ORD
PERU - AO 2012
TOTAL
TOTAL
N
97,951
MASCULINO
18,465
18.9
8,719
16.5
9,746
13,484
13.8
6,956
13.2
6,528
6,757
6.9
3,199
6.1
3,558
4,984
5.1
3,556
6.7
1,428
4,414
4.5
2,547
4.8
1,867
4,327
4.4
2,153
4.1
2,174
3,973
4.1
1,992
3.8
1,981
3,833
3.9
1,830
3.5
2,003
3,775
3.9
2,434
4.6
1,341
3,653
3.7
2,016
3.8
1,637
3,546
3.6
1,802
3.4
1,744
2,890
3.0
1,389
2.6
1,501
2,775
2.8
2,110
4.0
665
1,859
1.9
972
1.8
887
1,725
1.8
844
1.6
881
16 TUBERCULOSIS(A15 - A19)
1,468
1.5
1,005
1.9
463
1,208
1.2
834
1.6
374
1,056
1.1
595
1.1
461
19 DESNUTRICION(E40 - E46)
898
0.9
409
0.8
489
20 AGRESIONES(X85 - Y09)
INFECCIONES ESPECIFICAS DEL PERIODO PERINATAL(P35 21 P39)
ENFERMEDADES POR VIRUS DE LA INMUNODEFICIENCIA
22 HUMANA (VIH)(B20 - B24)
766
0.8
610
1.2
156
734
0.7
423
0.8
311
696
0.7
545
1.0
151
628
0.6
373
0.7
255
628
0.6
311
0.6
317
622
0.6
363
0.7
259
Fuente: Base de datos nacional de defunciones, Ministerio de Salud - Oficina General de Estadstica e Informtica
El 29% de la poblacin vive un ritmo de vida moderno en donde prima la eleccin hacia
productos naturales con una mayor calidad y adems que otorguen un bienestar al ser
humano. As tambin lo detalla un estudio revelado por Ipsos Apoyo (2009) donde
muestra que el consumidor se encuentra orientado a productos que promuevan la
calidad de vida con la conservacin de la salud.
Tabla N : Preferencia del consumidor
Totalmente
de acuerdo
Reviso la fecha de
vencimiento de los
productos antes de
comprar
Me fijo en la informacin
nutricional de los
productos que compro
Me gusta comprar
productos que me ayuden
a mi y a mi familia a
controlar nuestro peso
Es importante consumir
productos buenos para la
salud
Fuente: Ipsos Apoyo 2009.
Elaboracin Propia.
De
acuerdo
Ni de
acuerdo ni en
desacuerdo
En
desacuerd
o
Totalmente en
desacuerdo
No precisa
36%
47%
13%
3%
1%
0%
27%
43%
17%
10%
2%
1%
20%
38%
28%
10%
2%
2%
36%
53%
8%
1%
2%
0%
36%
53%
1%
2%
8%
No precisa
Totalmente en desacuerdo En desacuerdo Ni de acuerdo ni en desacuerdo
Me gusta comprar productos que me ayuden a mi y a mi familia a controlar nuestro peso 20%
38%
28% 10%
2%
2%
27%
43%
17%10%
2%
1%
Totalmente de acuerdo
36%
47%
1%
13%
3%
El 89% de la poblacin no vacila en consumir productos buenos para su salud, por otro
lado el 58% compra productos que ayudan a controlar el peso de la familia, es
importante resaltar tambin, que el 70% de peruanos considera importante conocer la
informacin nutricional del producto que van a adquirir.
Esta tabla muestra los valores pronosticados para Demanda Interna Aparente (MT). Para
los periodos de tiempo ms all de la serie de tiempo, se muestran los lmites del 95.0%
de prediccin para los pronsticos. Estos lmites muestran en donde podra estar el
valor verdadero del dato, al tiempo futuro seleccionado, con 95.0% de confianza,
asumiendo que el modelo ajustado es apropiado para los datos.
GRFICA N 0: Modelo de serie de tiempo para Demanda Interna Aparente (MT).
Demanda(MT)
1400
1200
1000
800
600
400
2000
2002
2004
2006
2008
2010
2012
2014
2016
2018
Elaboracin propia.
Cultivo de Stevia en
Hectreas
NORTEAMRICA
Canad
USA
Mxico
Total
50
50
30
130
SUDAMRICA
Colombia
Argentina
Brasil
Per
Paraguay
100
200
100
50
1700
Bolivia
Total
70
2220
EUROPA
Espaa
Grecia
Total
20
30
50
ASIA
Japn
China
Taiwan
Tailandia
Corea
Indonesia
India
Total
50
20000
350
350
100
300
600
21750
FRICA Y OCEANA
Sudfrica
Egipto
Australia
Total
Fuente: Merck do Brasil, Abril 2009.
Elaboracin Propia.
20
40
130
190
844
800
700
607
600
508
500
400
275
300
200
138
100
0
2008
ANEXOS
Comparacin de Modelos
Variable de datos: Ingreso
Nmero de observaciones = 10
2009
2010
2011
2012
RMSE
25.8298
106.312
20.5589
79.0601
40.0299
RUNS
OK
***
OK
OK
OK
MAPE
5.09608
25.0437
4.65582
17.5386
7.1369
RUNM
OK
*
OK
OK
OK
ME
1.26319E-14
-1.7053E-14
0.869591
73.519
28.5925
AUTO
OK
OK
OK
OK
OK
MPE
-1.16334
-7.53116
-0.140477
17.5386
7.13686
MEDIA
OK
**
OK
VAR
OK
OK
OK
OK
OK
Clave:
RMSE = Root Mean Squared Error (Raz del Cuadrado Medio del Error)
RUNS = Prueba corridas excesivas arriba y abajo
RUNM = Prueba corridas excesivas arriba y abajo de la mediana
AUTO = Prueba de Box-Pierce para autocorrelacin excesiva
MEDIA = Prueba para diferencia en medias entre la 1 mitad y la 2 mitad
VAR = Prueba para diferencia en varianza entre la 1 mitad y la 2 mitad
OK = no significativo (p >= 0.05)
* = marginalmente significativo (0.01 < p <= 0.05)
** = significativo (0.001 < p <= 0.01)
*** = altamente significativo (p <= 0.001)
Modelo: Caminata aleatoria con drift = 31.7667
Periodo Datos Pronstico
Residuo
2003
251.5
2004
256.6
283.267
-26.6667
2005
259.0
288.367
-29.3667
2006
298.0
290.767
7.23333
2007
326.4
329.767
-3.36667
2008
339.8
358.167
-18.3667
2009
377.4
371.567
5.83333
2010
466.6
409.167
57.4333
2011
503.4
498.367
5.03333
2012
537.4
535.167
2.23333
El StatAdvisor
Esta tabla compara los resultados de cinco diferentes modelos de pronsticos. Puede cambiar cualquiera de los
modelos pulsando el botn secundario del ratn y seleccionando Opciones de Anlisis. Viendo las estadsticas del
error, el modelo con la menor raz cuadrada del error cuadrado medio (RMSE) durante el periodo de estimacin del
modelo es el modelo C. El modelo con el menor error medio absoluto (MAE) es el modelo C. El modelo con el
menor porcentaje del error medio absoluto (MAPE) es el modelo C. Puede usar estos resultados para seleccionar el
modelo ms apropiado para sus necesidades.
La tabla tambin resume los resultados de cinco pruebas para determinar si cada modelo es adecuado para los datos.
Un OK significa que el modelo pasa la prueba. Un * significa que no pasa la prueba al nivel de confianza del 95%.
Dos *'s significa que no pasa la prueba al nivel de confianza del 99%. Tres *'s significa que no pasa la prueba al
nivel de confianza del 99.9%. Note que el modelo actualmente seleccionado, el modelo A, pasa 5 pruebas. Puesto
que ninguna prueba es estadsticamente significativa con un nivel de confianza del 95% o ms, el modelo actual
probablemente es adecuado para los datos.
750
Ingreso
700
650
600
550
500
2012
2013
2014
Estadstico
RMSE
MAE
MAPE
ME
MPE
Periodo de
Estimacin
107.687
73.4608
9.9339
14.0389
0.241544
Periodo de
Validacin
Residuo
52.7917
-36.3247
-86.9827
-167.102
0.570266
88.5049
222.102
54.7398
58.5539
2015
2016
2011
2012
2013
2014
942.429
945.162
972.221
999.28
944.42
990.655
880.735
1047.63
-1.99094
-45.4934
91.4855
-48.3492
El StatAdvisor
Este procedimiento pronostica futuros valores de Demanda(MT). Los datos cubren 14 periodos de tiempo.
Actualmente, se ha seleccionado el modelo de un promedio mvil autoregresivo integrado (ARIMA). Este modelo
asume que el mejor pronstico disponible para datos futuros est dado por el modelo paramtrico que relaciona el
valor ms reciente con los valores y ruido previos.
La salida resume la significancia estadstica de los trminos en el modelo de pronsticos. Trminos con valores-P
menores que 0.05 son estadsticamente diferentes de cero con un nivel de confianza del 95.0%. El valor-P para el
trmino AR(2) es menor que 0.05, de modo que es estadsticamente diferente de 0. El valor-P para el trmino MA(1)
es menor que 0.05, de modo que es estadsticamente diferente de 0. La desviacin estndar estimada del ruido blanco
de entrada es igual a 116.984.
Esta tabla tambin resume el desempeo del modelo actualmente seleccionado en ajustar datos histricos. Se
muestra:
(1) la raz del error cuadrado medio (RMSE)
(2) el error absoluto medio (MAE)
(3) el porcentaje de error absoluto medio (MAPE)
(4) el error medio (ME)
(5) el porcentaje de error medio (MPE)
Cada uno de los estadsticos est basado en los errores de pronstico uno-adelante, los cuales son las diferencias entre
los datos al tiempo t y el valor pronosticado al tiempo t-1. Los primeros tres estadsticos miden la magnitud de los
errores. Un mejor modelo dara un valor ms pequeo. Los ltimos dos estadsticos miden el bias. Un mejor
modelo dara un valor ms cercano a 0.