UNIVERSIDAD NACIONAL DEL CENTRO DEL PERÚ

FACULTAD DE INGENIERÍA QUÍMICA

E.A.P. INGENIERÍA QUÍMICA

FORMULACIÓN Y EVALUACIÓN DE PROYECTOS

TÉCNICAS DE PREDICCIÓN DE MERCADO

PRESENTADO A: Ing. Manuel NESTARES GUERRA

PRESENTADO POR:

 BOZA ESTEBAN, Kathlin Neida

 CRISTOBAL MENDOZA, Irving Piero
 NAVARRO APUMAYTA, Franklin Roosbelt
 ROJAS ESCOBAR, Elvis

SEMESTRE: X - A

HUANCAYO – PERÚ

SETIEMBRE 2019
 RESUMEN

En este presente trabajo se desarrollará un tema de mucha importancia en lo que es a

PROYECTOS DE INVERSIÓN, donde se hablara sobre las técnicas de predicción, que

es una forma de calcular las evidencias, las cuales se sustentan en una serie de

comportamientos empíricos en contextos parcialmente afines o derivados de datos

estadísticos.

Esta técnica que se desarrollara es utilizada por las empresas para elaborar el estudio de

mercado. Midiendo todas las variables necesarias para conocer a la demanda. Estas

técnicas se agrupan en cuantitativas y cualitativas.

La técnica cuantitativa se especializa en hacer agrupaciones y mediciones muéstrales

presentándolas en categorías en función de variables preestablecidas y validadas con

criterios estadísticos, son de naturaleza cuantificable y se limitan a describir.

La técnica cualitativa se utiliza cuando en ocasiones las técnicas cuantitativas no pueden

explicar el comportamiento esperado o bien no se cuenta con información suficiente de

datos históricos; siendo lo esencial la predicción de mercado y su comportamiento futuro.

2
 INTRODUCCIÓN

El identificar y conocer a nuestros competidores nos ayuda a aprender de sus aciertos y

evitar sus errores. Para competir en los negocios necesitamos predecir el mercado y

conocer los gustos y preferencias de la demanda. Para ello utilizamos técnicas de

predicción para el análisis económico, así como técnicas cualitativas y cuantitativas. Estas

técnicas son utilizadas por las empresas para elaborar un estudio de mercado. La

información que arrojan nos permite tomar decisiones para el futuro. Por lo que conocer

a los competidores y utilizar las técnicas para recabar información, aumentan la

probabilidad éxito en los proyectos de inversión. En esta sesión aprenderemos sobre la

competencia y sobre las técnicas para la predicción enfocada en un estudio de mercado.

3
 ÍNDICE

RESUMEN ....................................................................................................................... 2

INTRODUCCIÓN ............................................................................................................ 3

ÍNDICE ............................................................................................................................. 4

I. OBJETIVO ............................................................................................................... 5

II. MARCO TEÓRICO ................................................................................................. 6

2.1. TÉCNICAS DE PREDICCIÓN ......................................................................... 6

2.2. TÉCNICAS CUANTITATIVAS DE PREDICCIÓN ....................................... 8

2.2.1. MODELOS CAUSALES ........................................................................... 8

2.2.2. MODELOS DE SERIES DE TIEMPO .................................................... 12

2.3. TÉCNICAS CUALITATIVAS DE PREDICCIÓN ........................................ 14

2.3.1. EL MÉTODO DELPHI ............................................................................ 15

2.3.2. INVESTIGACIÓN DE MERCADOS ..................................................... 17

2.3.3. PREDICCIÓN TECNOLÓGICA ............................................................. 22

III. CONCLUSIONES ............................................................................................... 28

IV. BIBLIOGRAFÍA ................................................................................................. 29

V. ANEXOS ................................................................................................................ 30

4
 I. OBJETIVO

 Definir las diferentes técnicas de predicción dividido en las técnicas cualitativas

y cuantitativas para la predicción de un análisis económico enfocado a un estudio

de mercado.

5
 II. MARCO TEÓRICO

2.1. TÉCNICAS DE PREDICCIÓN

La predicción de los comportamientos de las variables económicas constituye, sin

duda, una de las mayores dificultades en el estudio de propuestas de inversión. Sin

embargo, su realización es ineludible por cuanto la esencia de la evaluación de

proyectos es comparar una inversión o una desinversión actual con el flujo de caja

que es posible esperar en el futuro, si se opta por tomar la decisión. Las condiciones

que imperarán en los próximos años difícilmente coincidirán con aquellas

observadas en proyectos similares en el pasado. Por ello, el resultado de una

predicción se debe considerar solo como una medición de evidencias incompletas,

basadas en comportamientos empíricos de situaciones parcialmente similares o en

inferencias de datos estadísticos disponibles. Los diversos métodos para hacer

pronósticos deben ser considerados, muchas veces, como complementarios.

Difícilmente los resultados de uno coincidan con los de otros. De la misma forma,

posiblemente unos sirvan más en un periodo de tiempo que otros, es decir, mientras

unos puedan ser recomendables para proyectar los primeros años de la demanda,

otros serán los más adecuados para el largo plazo.

El estudio del comportamiento histórico de la demanda que ha tenido la

competencia ya establecida es fundamental para elegir la técnica de pronóstico a

emplear, tanto en lo que se refiere a su tendencia, estacionalidad, impacto de

variables externas y comportamiento frente a los cambios en los ciclos económicos

como a sus reacciones (positivas y negativas) a campañas promocionales, cambios

de precios o readecuación de las características del producto, etcétera. En proyectos

innovativos se debe tener muy en cuenta el ciclo de vida de productos similares. Es

posible que en una etapa inicial de su desarrollo sea una función exponencial la que

6
mejor explique el comportamiento de la demanda en el periodo introductorio (crece

muy lentamente al principio mientras el producto se conoce, para luego aumentar

fuertemente); que en una segunda etapa, de crecimiento, sea una función lineal con

tendencia positiva la que mejor explique el desarrollo del mercado; y que, en la

etapa de madurez, se opte también por una función lineal creciente a tasas

sustancialmente menores. Incluso puede haber una etapa de saturación, donde la

demanda llegue a 0, como por ejemplo los derivados de la obsolescencia por los

continuos cambios tecnológicos (regla de cálculo, telégrafo y, pronto, el fax). El

Gráfico 1 muestra estas situaciones.

GRÁFICO 1: Ciclo de vida de un producto.

Las técnicas de pronóstico se clasifican de diversas formas en la literatura

económica. En este texto se usarán dos grandes categorías: las cuantitativas y las

cualitativas. Cuando se dispone de datos históricos suficientes, es posible utilizar

los modelos cuantitativos de proyección. Si estos no existen o son insuficientes, lo

mejor es recurrir a los métodos cualitativos. (ALIBER, 2000)

7
2.2. TÉCNICAS CUANTITATIVAS DE PREDICCIÓN

Las técnicas cuantitativas de predicción poseen la ventaja de que, al estar

expresadas matemáticamente, su procedimiento de cálculo y los supuestos

empleados carecen de toda ambigüedad. Dos grupos se identifican en esta

categoría: los modelos causales y los modelos de series de tiempo. Un tercero, el

de datos de panel, es solo una combinación de los dos anteriores. Por ejemplo, en

un proyecto de atenciones pediátricas, un modelo causal vincularía el número de

prestaciones médicas con la cantidad de niños de cada zona geográfica; uno de

series de tiempo analizaría la evolución en el tiempo del número de prestaciones; y

uno de datos de panel relacionaría la evolución de la población infantil con el

número de atenciones pediátricas a través del tiempo. (ALVARES, 1995)

2.2.1. MODELOS CAUSALES

Los modelos causales requieren que exista una relación entre los valores de

ambas variables y que los de la variable independiente sean conocidos o que su

estimación otorgue una mayor confianza. La forma más común de hacer

proyección causal es el ajuste de curvas, el cual se puede realizar aplicando el

método de regresión, que predice el comportamiento de la variable dependiente

a partir de una línea recta, exponencial u otra formada por los datos de la variable

independiente. Se denomina regresión simple a la que emplea una sola variable

independiente y regresión múltiple a la que recurre a varias.

Los modelos causales relacionan muchas veces la demanda con el número de

habitantes, con su ingreso per cápita, con la participación de la mujer en el

mercado laboral o con la cantidad de empresas, entre otras variables. Por

ejemplo, la demanda por lavavajillas está directamente relacionada con los tres

primeros factores mencionados. En las grandes ciudades, donde el poder

8
adquisitivo es mayor y un gran número de mujeres trabaja, las compras de

lavavajillas son sin duda mayores que en pueblos pequeños con escasos ingresos

y donde pocas mujeres trabajan. Lo mismo pasa con la demanda de líneas

telefónicas, donde la existencia de factores como la población, el número de

empresas, el producto interno bruto (PIB), la actividad industrial o los índices de

construcción, entre otros, puede correlacionarse fácilmente con su demanda.

El método de los mínimos cuadrados o regresión lineal busca determinar la recta

que represente de mejor manera la tendencia de las relaciones observadas entre

dos variables, para usarlas como base de la proyección de la tendencia futura,

calculando en la Ecuación 2.1 los valores de a y b que definan la función Y que

minimice las desviaciones, los datos observados y la ecuación.

Y  a  bx (2.1)

Donde Y es la función de proyección o línea de tendencia; a, el comportamiento

no explicado por la variable x; b, el comportamiento explicado por la variable x

que indica en cuánto cambia el valor de Y por cada unidad que cambie x.

El Gráfico 2 muestra estas relaciones, donde los datos observados se representan

con puntos y la función de estimación, con la línea recta.

9
 GRAFICA 2. Línea de tendencia

Existen diversas formas de calcular el valor de las variables a y b. A

continuación, se explican los procedimientos para hacer el cálculo mediante los

más utilizados: el uso de fórmulas y el de los facilitadores de Excel, a saber,

Análisis de datos y el ajuste de la línea de tendencia al gráfico de dispersión.

a. USO DE FÓRMULAS

El primer procedimiento para determinar la línea de tendencia recurre a las

ecuaciones siguientes para definir los valores de a y de b.

n xy    y 
b (2.2)
n x 2    x 
2

a  y  bx (2.3)

Donde n es el número de observaciones; y , el valor promedio de la variable y, y

x , el valor promedio de la variable x.

10
b. USO DEL COMANDO DE ANÁLISIS DE DATOS DE EXCEL

La primera vez que se vaya a utilizar este comando, será necesario activarlo. Para

ello, debe hacer clic en la opción Archivo (opción que aparece en el extremo

superior izquierdo de la pantalla) y seleccionar Opciones. Al desplegarse el cuadro

de diálogo correspondiente, debe seleccionar Complementos; elija el comando

Herramientas para análisis y marque Ir… Al desplegarse el cuadro de diálogo

Comandos, active la casilla Herramientas para análisis y elija Aceptar.

Luego, al tener datos traspasados a una Hoja de Excel, se debe seguir el siguiente

procedimiento:

1. Seleccione Datos de la barra de opciones.

2. En Análisis, elija la opción Análisis de datos.

3. En el cuadro de diálogo que se abrirá, seleccione la opción Regresión y elija

Aceptar.

4. En el cuadro de diálogo Regresión, use el casillero Rango Y de entrada para

anotar la posición de los datos de la variable dependiente (Ventas).

5. Use el casillero de Rango X de entrada para especificar la posición de los

datos de la variable independiente (Población infantil).

6. Utilice las Opciones de salida para especificar el lugar donde quiere ubicar

los resultados. Si elige la opción En una hoja nueva, asígnele un nombre

(Resultados regresión).

7. Finalmente, elija Aceptar. Excel insertará una nueva hoja de cálculo con los

resultados de la regresión.

11
2.2.2. MODELOS DE SERIES DE TIEMPO

Los modelos de series de tiempo pronostican el valor futuro de la variable que

se desea estimar, extrapolando el comportamiento histórico de los valores

observados para esa variable. Estos modelos asumen que la variable que explica

la demanda futura es el paso del tiempo. Las fluctuaciones observadas en el

pasado pueden diferenciarse en tres tipos: de tendencia, cíclica y estacional, cuyo

comportamiento puede graficarse como sigue.

GRÁFICA 3. Fluctuaciones de tendencias

Las curvas que más se utilizan para describir una serie histórica y que no son

excluyentes para predecir el comportamiento de la demanda a través del tiempo

son la lineal (Y = a + bx), la parabólica o polinómica (Y = a + bx + cx2) y la

exponencial (Y = aebx).

La definición de un comportamiento histórico no es una proyección en sí misma.

La extrapolación de la información del pasado es solo un dato complementario

que supone que las condiciones que lo explicaron en el pasado se mantendrán a

futuro. La comprensión de qué determinó la tendencia pasada permite, con más

facilidad, aplicar el criterio o el sentido común para introducir ajustes a futuro o

definir posibles escenarios.

Cuando no existen datos en la zona geográfica donde se considera instalar el

proyecto, es posible recurrir al método analógico, el cual busca otro mercado

12
que haya experimentado un desarrollo conocido y asimilar, por sus

características similares, su comportamiento al que tendrá el propio mercado del

proyecto. Para ello, se debe identificar el momento del tiempo en que el mercado

desarrollado se encontraba en un estado similar al que se encuentra el del

proyecto y tomarlo como punto de partida. Por ejemplo, cuando se introdujeron

las zapatillas deportivas para uso diario en Chile, se tomó como referencia la tasa

de adopción observada en Brasil.

Aunque muchos evaluadores usan el método analógico como único predictor de

la demanda para el proyecto, al considerar que las condiciones futuras no serán

iguales a las observadas en otros mercados, será imprescindible incorporar los

ajustes necesarios o realizar un análisis de escenarios.

Existen ocho principales modelos de series de tiempo, que se pueden tipificar

entre sin estacionalidad y con estacionalidad, y entre sin tendencia y con

tendencia.

 Sin estacionalidad y sin tendencia: promedio móvil simple y

suavizamiento exponencial.

 Con estacionalidad y sin tendencia: aditivo estacional y multiplicativo

estacional.

 Sin estacionalidad y con tendencia: promedio móvil doble y

suavizamiento exponencial doble.

 Con estacionalidad y con tendencia: aditivo Holt-Winter’s y

multiplicativo Holt-Winter’s.

Todos los modelos desagregan los datos históricos en función de tendencias y

estacionalidades para luego replicarlos en la proyección futura. Para ello,

13
 asumen que los elementos que condicionaron en el pasado tanto el

comportamiento de la tendencia como el de la estacionalidad se mantendrán

durante todo el periodo de pronóstico.

Aunque el Excel proporciona la posibilidad de efectuar muchos cálculos, el

software Risk Simulator está diseñado principalmente para hacer pronósticos

estadísticos, para medir el riesgo, entre otras funciones. Los ocho modelos

anteriores están incluidos en el Risk Simulator, con la ventaja de que puede

determinar cuál de ellos es el más adecuado en función de la información que se

le proporciona. (NASSIR, 2011)

2.3. TÉCNICAS CUALITATIVAS DE PREDICCIÓN

Las técnicas cuantitativas de estimación descritas anteriormente constituyen una

fuente de información fundamental para apoyar el proceso de toma de decisiones

de inversión en cualquier empresa. Sin embargo, como ya se mencionó, la esencia

del proceso decisorio es la incertidumbre respecto del comportamiento que asumirá

en el futuro el valor de una determinada variable. Esto explica la importancia que

se otorga a las técnicas cualitativas de predicción como complemento de la

información que deberá estar disponible antes de aprobar o rechazar un proyecto.

Especial relevancia tienen estos modelos cuando no existen datos históricos, cuando

es difícil cuantificar las variables que explicarían la demanda o cuando los datos

existentes no son confiables para extrapolarlos si no es posible asimilar las

características del proyecto con otras. Por ejemplo, cuando se iniciaron los primeros

proyectos inmobiliarios de una segunda vivienda para descanso a solo una hora de

las grandes urbes, ofreciendo al consumidor vincularse con la naturaleza todos los

fines de semana en vez de únicamente durante su periodo vacacional, no existían

datos referenciales históricos ni asimilables a otras experiencias.

14
 Los principales métodos cualitativos se basan en opiniones de expertos que se

obtienen de la aplicación de una (o una combinación) de las técnicas conocidas

como el método Delphi, la investigación de mercados y la predicción tecnológica.

En general, estas técnicas se fundamentan en el valor que se otorga a las

experiencias pasadas y a la capacidad de las personas para intuir anticipadamente

efectos sobre las variables más relevantes en la viabilidad de un proyecto, así como

el conocimiento especializado de éxitos, fracasos y estándares de desempeño en

materias similares.

2.3.1. EL MÉTODO DELPHI

Este método se desarrolla como respuesta a las debilidades del modelo de

consenso de panel, que busca la predicción de un grupo de expertos en una

discusión abierta y que, por factores psicológicos, de personalidad o de actitud,

conducía al grupo a seguir la posición de quienes demostraban tener una

reputación, una habilidad para el debate o una personalidad dominante, capaz de

imponerse a la calidad de otros argumentos. El consenso de panel se sigue

aplicando en proyectos que se evalúan en empresas en funcionamiento, donde el

personal interno demuestra experiencia y conocimiento del mercado. Uno de los

casos más comunes es el de los vendedores que, con el conocimiento adquirido

durante años en sus relaciones con los clientes, pueden opinar calificadamente

sobre las reacciones y los comportamientos que podrían resultar de la posible

introducción o modificación de un producto en el mercado; asimismo, el del

personal de adquisiciones vinculado con los proveedores de insumos de la

empresa.

El Delphi supera las dificultades del consenso de panel al constituir un grupo

heterogéneo de expertos en un proceso en el que todos proporcionan información

15
de manera interactiva, la cual es tratada sistemáticamente por un coordinador

para concluir en una convergencia de la información colectiva; de ella nace la

predicción. Para eso, la participación de cada experto es anónima y se la

proporciona al coordinador, quien recopila, procesa y retroalimenta a todos los

expertos con las opiniones del resto.

Mediante la reiteración del proceso en varias rondas, se tiende a una

convergencia de opiniones que resulta en una predicción ampliamente

consensuada. Este método se fundamenta en que la suma de las especialidades

particulares de los integrantes del grupo cubre todo el ámbito de conocimiento

que se requiere para la predicción, y en que el conocimiento combinado supera

las capacidades predictivas de cada individuo.

Incluso hoy es posible observar el aumento a tasas crecientes de quienes se

suman a la corriente de la prospectiva como análisis complementario a los

pronósticos. Este grupo plantea que el futuro, además de su tendencia histórica

y las condiciones esperables, es modificable, o sea, se puede influir según las

decisiones que se tomen en un momento determinado. De esta manera, el

proyecto podría incorporar acciones que modifiquen favorablemente las

tendencias observadas.

Por ejemplo, cuando se evaluó la construcción de un nuevo hotel de cinco

estrellas, se proyectó la tendencia histórica con base en la ocupación hotelera

observada en función del comportamiento de las diversas variables que lo

explicaban, pero luego se modificó bajo el criterio de que la futura

administración debía ejecutar una serie de acciones para incrementar la demanda

hotelera de la zona mediante la creación y la promoción de actividades “no

hoteleras” como el desarrollo turístico, la organización de programas para la

16
 pesca y la caza, estímulos para que los recién casados pasen su luna de miel en

la zona, la generación de encuentros académicos, empresariales y deportivos

(como la Copa Davis), entre muchas otras ideas que, de materializarse, sin duda

determinarían un cambio sustancial en la tendencia observada hasta la fecha.

Aunque muchos revisores de proyectos valoran sobremanera la entrega de un

informe lleno de cuadros estadísticos, no debe olvidarse que estos últimos

constituyen solo información secundaria y, por lo tanto, son utilizables en el

nivel de prefactibilidad. Su complementación con los resultados de las consultas

directas y de la observación de las necesidades, motivaciones y otras variables

definidas, así como del comportamiento de la competencia, proveedores e

intermediarios, permite un mejor diagnóstico del mercado. En este sentido, el

método Delphi hace posible acopiar información de primera fuente para entender

el mercado y para hacer los análisis de prospectiva. (ALZUGARAY, 1999)

2.3.2. INVESTIGACIÓN DE MERCADOS

La investigación de mercados considera la opinión de los clientes como

pertinente en la actividad predictiva. Para ello, recurre a diversas formas de

recopilación de sus opiniones, como por ejemplo la toma de encuestas a una

muestra representativa de la población, la realización de experimentos o la

observación de los consumidores potenciales en mercados de prueba, entre otras,

buscando probar o refutar hipótesis sobre un mercado específico, es decir, las

características de algún producto o de los consumidores.

El procedimiento más característico de este modelo es la realización de una

encuesta.

17
Por ejemplo, si se busca medir la intencionalidad de compra para un nuevo

producto que la empresa evalúa lanzar al mercado, se debe en primer lugar

seleccionar el tamaño y la ubicación de la muestra representativa, para luego

efectuar la toma de la encuesta y analizar la información recopilada.

Igual que un médico solicita exámenes específicos para diagnosticar bien una

enfermedad, la investigación de mercados recurre a los resultados de una

muestra representativa para inferir la demanda de la población objetivo a la que

definió estudiar. Sus principales componentes, que se desarrollan a continuación,

son los siguientes:

 Muestreo.

 Marco muestral.

 Muestra.

 Diseño de la encuesta.

 Escalas de respuesta.

 Tabulación y análisis de resultados.

Para realizar un muestreo, se debe considerar el tipo de población que se busca

estudiar, la que se puede clasificar, según su tamaño, en finita o infinita.

Normalmente, cualquier población por sobre 5000 individuos, empresas o

familia se considera infinita.

El marco muestral corresponde a la fuente de datos de donde se extraerá la

muestra. Por ejemplo, de un censo, una cámara de comercio, una municipalidad.

La muestra, en tanto, es la parte de la población que se ha seleccionado por

considerarla representativamente válida para inferir de sus resultados el

comportamiento del total de la población.

18
La selección de la muestra se puede hacer siguiendo un procedimiento

probabilístico (cualquier individuo de la población tiene la misma posibilidad de

ser elegido) o no probabilístico (se elige de acuerdo con parámetros previamente

definidos). El procedimiento probabilístico puede definir la muestra mediante un

modelo aleatorio simple o uno estratificado.

El muestreo aleatorio simple extrae del marco muestral una muestra al azar. (En

Excel, esta se puede hacer mediante el comando Muestra). Rosillo aclara que,

para productos de consumo regular, es conveniente realizar una prueba piloto,

ya que el comportamiento esperado de la población tiene la forma de una

distribución normal (se requiere un mínimo de 30 observaciones para

considerarla normal). Por ejemplo, si la prueba se hace sobre 50 individuos, es

posible tomar aleatoriamente varias muestras (por ejemplo, 30 muestras de 20

individuos cada una) y obtener la media y la varianza muestral de cada grupo de

20 individuos. (En Excel se obtienen ambas mediciones con los comandos

PROMEDIO y VAR, respectivamente).

El tamaño total de la muestra dependerá del intervalo de confianza que se desee.

La diferencia entre el valor promedio de la muestra en la prueba piloto y el de la

población se denomina error de estimación. Estadísticamente, en una

distribución normal, la media de la población más-menos una vez la desviación

estándar indica que existe 68,26% de probabilidad de que la media de la

población se encuentre en ese rango. Para tener una probabilidad de 95,44%, se

requiere sumar y restar dos desviaciones estándar a la muestra, y para 99,74%,

tres desviaciones estándar. El tamaño de la muestra para poblaciones finitas se

calcula por:

19
  N  n  S 
2
 
2
  (2.4)
 N  N 

Donde  2 es la varianza; N, el tamaño de la población; n, el tamaño de la

muestra, y S2, la varianza de la muestra.

El error (E) respecto del valor promedio se obtiene de multiplicar el nivel de

confianza (Z) por la desviación estándar (  ). O sea:

E  Z (2.5)

 N  n  S 
2
EZ    (2.6)
 N  N 

Z 2S 2 N
n
 E 2 N  S 2Z 2  (2.7)

En otras palabras, el tamaño de la muestra se calcula en función del nivel de

confianza definido, de la varianza de la muestra y del tamaño de la población.

Por ejemplo, si el nivel de confianza se define en 95,44% y el error se define en

5% con respecto a una media de la demanda diaria de 80 unidades, se concluye

que existe 95,44% de probabilidad de que la demanda promedio se sitúe entre

76 y 84 unidades (80 ± 4, donde 4 es 5% de la media).

El muestreo estratificado se aplica cuando se observan subgrupos con

características comunes entre ellos, pero diferenciadas entre subgrupos. Por

ejemplo, cuando por niveles de ingreso, edad u objetivo de uso (turismo o

negocios), los usuarios de un hotel manifiestan comportamientos diferentes.

20
En este caso, el tamaño de la muestra para toda la población estará determinado

por:

  Ne Se 
2

n
B 2
(2.8)
     Ne  Se 
2
N2 2
Z 

Donde Ne es el tamaño del estrato e; Se, la desviación estándar de la variable en

el estrato e, y B, el error.

Para calcular el tamaño muestral de cada estrato, se recurre a una simple regla

de tres:

Ne Se
ns  n
  Ne Se 
(2.9)

El diseño de la encuesta es el instrumento de recolección de información. Debe

ser construida de manera que se garantice que las respuestas son efectivas y

válidas. Para ello, se recomienda construirla bajo las siguientes consideraciones:

 El número de preguntas debe ser lo suficientemente reducido como para

no crear inconvenientes a quien deba responderlas.

 Las preguntas deben ser muy precisas y relacionadas exclusivamente con

el diagnóstico que se desea obtener (existe muchas veces la “tentación” de

agregar otras preguntas para “aprovechar” la encuesta, lo que puede

fácilmente distraer el objetivo de esta).

 Es importante la estratificación previa de la población para determinar

quiénes pueden tener una opinión fundada sobre la materia en estudio. Por

ejemplo, para recopilar información sobre preferencias de los

automovilistas, es necesario conocer primero quiénes tienen vehículo.

21
  Se debe comprobar la validez de la segmentación. Para ello, un primer

grupo de preguntas debe incluir algunas como rango de edad, número de

trabajadores de una empresa, rango de ingresos, sexo, posesión de un bien

(vehículo), etcétera.

 De acuerdo con el objetivo de la encuesta, un segundo grupo de preguntas

deben estar referidas a identificar el consumo actual del individuo. Por

ejemplo, la marca que usa, el rango de precios que paga, el lugar donde

compra, la frecuencia de compra y uso, y cualquier otra que permita

conocer su comportamiento de compra.

 Un tercer grupo de preguntas deben tratar de medir el grado de satisfacción

del individuo con la oferta actual; por ejemplo, con el precio que paga, la

calidad que recibe, la presentación y el tamaño del producto, el lugar donde

compra, el servicio que recibe y cualquier otra que permita conocer

posibles factores de diferenciación que debería incorporar el proyecto.

En una encuesta, es frecuente combinar diversos tipos de preguntas, lo que hace

necesario recurrir a varias formas simultáneas de ordenamiento de las respuestas.

2.3.3. PREDICCIÓN TECNOLÓGICA

La predicción tecnológica es un método que incentiva la capacidad de anticipar

el desarrollo de nuevas tecnologías o productos y el impacto que podrían tener

en el mercado específico de la empresa. Casos típicos son la posibilidad de

introducir el gas en sustitución del petróleo en diversos procesos productivos, la

comunicación inalámbrica o el desarrollo de nuevos insumos para la

construcción. El método trata de prever un ciclo de vida y anticipar una curva de

sustitución para definir la oportunidad del reemplazo de un mercado, un

producto, insumo o tecnología, con la antelación suficiente para no tener que

22
enfrentar los costos de la improvisación o de la decisión reactiva a un hecho

consumado.

Los principales supuestos del método son que, cuando aparece una innovación

tecnológica, los rendimientos (aumento de productividad o reducción de costos)

crecientes terminarán por dejar obsoleta a la tecnología actual y que, cuando se

inicia la incorporación de la nueva tecnología, el proceso sustitutivo es

irreversible hasta desplazar a la antigua. Por ejemplo, esto se ha observado en el

pasado con la luz eléctrica en reemplazo de las lámparas a petróleo, el material

sintético en vez del natural o las ventanas de aluminio en vez de las de hierro.

El método requiere un seguimiento permanente de toda innovación que se

empiece a introducir en el mercado para que, mediante análisis comparado de la

tasa de adopción de tecnologías similares en el pasado, se defina el ciclo de vida

que se estima más probable en función de algún indicador de desempeño.

Esta misma técnica se utiliza para predecir cambios estructurales en la función

de ventas de productos nuevos. Cuando una empresa evalúa, por ejemplo,

introducir en el mercado un nuevo producto que significa un fuerte cambio

tecnológico, es posible que la tendencia del consumo histórico se altere durante

el periodo en que el consumidor que disponía de la tecnología anterior la

sustituye por la nueva. Sin embargo, una vez cubierta la demanda de sustitución,

las ventas bajan para continuar con la proyección de la tendencia histórica, la

que se explica por el crecimiento natural del mercado o por la sustitución normal

derivada del desgaste del producto.

Como se ha expuesto, las técnicas cuantitativas proporcionan información

relevante a la plana ejecutiva de las empresas; no obstante, en las decisiones

23
importantes prima el juicio de quien debe tomar la decisión. Por esto, es común

que las técnicas cuantitativas se complementen con las cualitativas y con el

criterio del decisor. (BREALEY, 2007)

EJEMPLO DE APLICACIÓN

Ejemplo 1: se requieren pronósticos trimestrales para una empresa del rubro de

limpieza de alfombras para el año 5, se estima que la demanda para ése año es

2.600 clientes

Trimestre Año 1 Año 2 Año 3 Año 4

1 45 70 100 100

2 335 370 585 725

3 520 590 830 1160

4 100 170 285 215

TOTAL 1000 1200 1800 2200

1. Demanda promedio por estación

Año 1: 1000/4= 250
Año 2: 1200/4= 300
Año 3: 1800/4= 450
Año 4: 2200/4= 550

24
 2. Índices estacionales

Trimestre Año 1 Año 2 Año 3 Año 4

1 0,18 0,23 0,22 0,18
2 1,34 1,23 1,30 1,32
3 2,08 1,97 1,84 2,11
4 0,4 0,57 0,63 0,39

3. Índice estacional
promedio

Trimestre Año 1 Año 2 Año 3 Año 4 Promedio

1 0,18 0,23 0,22 0,18 0,20
2 1,34 1,23 1,30 1,32 1,30
3 2,08 1,97 1,84 2,11 2,00
4 0,4 0,57 0,63 0,39 0,50
4. Pronóstico

2600/4= 650

Trimestre Pronóstico
1 133
2 844
3 1300
4 324

Año Estación Demanda PM PMC IE

Invierno 2
1997 Primavera 3
Verano 4 2,50 2,88 1,39

25
 Otoño 1 3,25 3,63 0,28
Invierno 5 4,00 4,38 1,14
Primavera 6 4,75 4,88 1,23
1998
Verano 7 5,00 5,25 1,33
Otoño 2 5,50 6,00 0,33
Invierno 7 6,50 6,88 1,02
Primavera 10 7,25 7,38 1,36
1999
Verano 10 7,50 7,88 1,27
Otoño 3 8,25 9,13 0,33
Invierno 10 10,00 10,75 0,93
Primavera 17 11,50 11,38 1,49
2000
Verano 16 11,25 11,63 1,38
Otoño 2 12,00 12,38 0,16
INDICES
Año Invierno Primavera Verano Otoño Total
1997 - - 1,391 0,276 1,66716642
1998 1,143 1,231 1,333 0,333 4,04029304
1999 1,018 1,356 1,270 0,329 3,97272241
2000 0,930 1,495 1,376 0,162 3,9626983
2001 0,912 1,203 1,534 0,434 4,08326974
2002 0,817 1,462 1,447 0,119 3,84578139
2003 0,982 1,289 1,542 0,348 4,16106914
2004 0,776 1,218 1,487 0,532 4,01301402
2005 0,869 1,130 1,530 0,433 3,96180967
2006 0,848 1,238 1,450 0,481 4,01641918
2007 0,810 1,181 - - 1,99083222
Total 9,105 12,803 14,361 3,446
Promedio 0,910 1,280 1,436 0,345 3,972

26
Suponiendo una demanda estimada para el 2008 de 263.540 unidades:

Pronóstico
Invierno 65.885x0,917 60419
Primavera 65.885x1,290 84959
Verano 65.885x1,446 95296
Otoño 65.885x0,347 22866
TOTAL 263540

27
 III. CONCLUSIONES

El conocer a los competidores y utilizar técnicas para recabar información del mercado,

aumentan la probabilidad de éxito en la realización del proyecto. Lo anterior, nos ayuda

a conocer los gustos y preferencias de nuestros clientes con el bien o servicio que

ofrecemos. En esta sesión aprendimos sobre la competencia, las técnicas de predicción y

acerca de la metodología cualitativa y cuantitativa. En la siguiente sesión abordaremos

aspectos específicos del estudio técnico.

28
 IV. BIBLIOGRAFÍA

ALIBER, R. F. (2000). La presupuestacion de inversiones. Santogao de chile: El

Diario/financial Time.

ALVARES, C. L. (1995). Evaluacion Financiera De Proyectos. Valparaiso: Ediciones

Universitarias De Valparaiso.

ALZUGARAY. (1999). Metodo Black y Scholes Para La Evaluacion . Madrid España:

Edition black.

BREALEY. (2007). Fundamnetos De Finenciacion Empresarial . Buenos Aires:

Omicron System.

NASSIR, S. C. (2011). PROYECTOS DE INVERSIÓN Formulación y Evaluación.

Mexico: Editorial Prentice de Hall Mexico.

29
 V. ANEXOS

TABLA 1. Modelo de encuesta

TABLA 2. Datos recolectados de población infantil y demanda por comuna

30