Formulacin y Evaluacin de Proyectos de Inversin

Pronsticos para los proyectos

A. Objetivos. Conocer los diferentes tipos de pronsticos que se pueden aplicar en la formulacin de proyectos de inversin. Calcular las ecuaciones de regresin. Encontrar el coeficiente de correlacin y determinacin. B. Marco Terico 1. Definiciones La correlacin es el mtodo es el mtodo empleado para determinar el grado de relacionamiento entre las variables que se estudian, para as determinar en que medida una relacin funcional describe o explica de una forma adecuada la relacin entre estas dos variables Se usa el trmino correlacin cuando se habla de relaciones entre variables de experimentos bivariantes. Los diversos tipos de correlacin que existen pueden ser:

2. Coeficiente de correlacin lineal de Pearson Es una medida del grado de asociacin lineal entre las variables X e Y. Es un nmero abstracto y se representa por r:
r=

((X-X)(Y-Y))
(n-1) SXSY

r=

nXY ( X )( Y ) ( nX 2 ( X )2 )( nY 2 ( Y )2 )

2.1 Propiedades r est siempre comprendido entre -1 y 1. Si r = 1 r = -1 entonces los puntos de la muestra estn situados en lnea recta (correlacin lineal perfecta). Si r est prximo a 1 a -1, habr una asociacin lineal fuerte entre ambas variables. Si r es cercano a 0, habr una asociacin lineal muy dbil. r no vara cuando en las variables se realiza un cambio de escala o de origen. Esto demuestra que r no tiene dimensin

Docente: Ing. Ferly Urday Luna

Pgina 1 de 22

Formulacin y Evaluacin de Proyectos de Inversin

2.2 Dos consideraciones sobre el coeficiente de correlacin. a) Se trata de una medida matemtica que luego hay que interpretar. Aunque un alto grado de correlacin indique buena aproximacin a un modelo matemtico lineal, su interpretacin puede no tener ningn sentido. Por ejemplo puede haber un alto grado de correlacin entre las ventas de celulares y el consumo de alcohol en Arequipa, pero ambas variables estn claramente disociadas. b) Aunque el grado de correlacin sea cercano a cero (pobre aproximacin al modelo lineal) eso no significa que no haya relacin entre las dos variables. Puede ser que dicha relacin sea no lineal. 3. Coeficiente de determinacin El coeficiente de determinacin se calcula elevando al cuadrado el coeficiente de correlacin y representa el porcentaje de la variacin explicada por la recta de regresin. El coeficiente de determinacin r2, es una medida de la proximidad del ajuste de la recta de regresin; cuanto mayor sea el valor de r2, mejor ser el ajuste y mas til la recta de regresin como instrumento de prediccin. (r2 = 0.92 indica que de 100 pares de puntos 92 estn en la recta de regresin y 8 fueran de la recta de regresin) 4. Mtodo de mnimos cuadrados para encontrar la ecuacin de regresin Recordemos que el anlisis de regresin lo que persigue es determinar la relacin funcional de la variable dependiente Y con respecto a la variable independiente X con el fin de predecir valores de Y. A continuacin desarrollaremos un modelo matemtico (ecuacin de la lnea) para expresar la relacin entre dos variables y para estimar el valor de la variable dependiente Y basndonos en el valor de la variable independiente X. La tcnica que se utiliza para desarrollar la ecuacin de la lnea y hacer estas predicciones, se le llama anlisis de regresin. El principio matemtico con base con el cual se traza la ecuacin de la lnea y se predicen los valores de Y, se conoce con el nombre de mnimos cuadrados. Este principio consiste en trazar una lnea sobre la grfica de dispersin de los valores de modo que la suma de los cuadrados de la distancia vertical entre el valor real de Y y su valor predictorio, sea la cantidad ms pequea posible. Entonces la ecuacin lineal que se tiene que encontrar es:

Y* = a + bX
Donde: Y*= a= b= X= Se lee Y asterisco, es el valor predictorio de la variable Y para un valor seleccionado de X. Es la interseccin con el eje Y. Es el valor estimado de Y cuando X = 0. Es la pendiente de la lnea, o el cambio promedio en Y* por cada cambio en una unidad de la variable independiente X. Es el valor que se escoge para la variable independiente. A los valores a y b se les conoce como coeficientes de regresin y se calculan con las siguientes frmulas:

y bx a= n
Docente: Ing. Ferly Urday Luna

b=

nxy xy nx 2 ( x )2
Pgina 2 de 22

Formulacin y Evaluacin de Proyectos de Inversin

5. Varianza de la regresin poblacional 2. Una vez que se ha determinado la recta de regresin Y = a + bX es de suma prioridad saber su utilidad, siendo esta la de predecir valores de Y para valores determinados de X. Si se hace una prediccin seria razonable conocer la respuesta de la interrogante: Qu tan confiable es la prediccin que se acaba de determinar? La respuesta a la pregunta anterior depende de la variabilidad de los valores de Y con respecto a la recta de regresin. Una medida que indica el grado de variabilidad o dispersin o concentracin en torno a la lnea de regresin es la varianza de la regresin poblacional, que se denota por 2 o por Y2 y se define por:
X

2 = E Y Y

(
i =1

yi Y N

Donde N es el tamao de la poblacin

La raz cuadrada de esta varianza es la regresin estndar de la regresin en la poblacin. Una estimacin insesgada de 2 es la varianza de la regresin muestral que se denota por s2 y se define por:

s2 =

SCE = n2

(
i =1

yi y i n2

n i =1

n i =1

n i =1

yi2 a yi b xi yi
= n2

Donde, el numerador es la suma de los cuadrados de los errores alrededor de la lnea de regresin y el denominador, n-2, representa los grados de libertad (se le quitan 2 valores a n porque corresponden al numero de coeficientes de regresin). La raz cuadrada de la varianza de la regresin muestral, es la desviacin estndar muestral de la regresin, denotada por s. Este valor es conocido tambin como error estndar de estimacin. 6. Anlisis de la varianza para El anlisis de la varianza es un mtodo que utiliza la estadstica F para probar la significacin de la ecuacin de regresin muestral o existencia de regresin en la poblacin. Las hiptesis nula y alternativa para esta prueba son: H0: = 0 contra H1: 0 Se siguen todos los pasos para el anlisis de la varianza de ms de dos medias poblacionales, resumindose los clculos en la siguiente tabla: Fuente de Variacin Regresin Error Total Suma de Cuadrados SCR SCE SCT Grados de Libertad 1 n-2 n-1 Cuadrados Razn F Medios calculada
CMR = SCR 1
SCE n2

Fcal =

CMR CME

CME =

Docente: Ing. Ferly Urday Luna

Pgina 3 de 22

Formulacin y Evaluacin de Proyectos de Inversin

Donde:

SCT=y2 -n(y)2

SCR=b ( xy-n(x)(y))

SCE=SCT-SCR

7. Intervalo de confianza para la media de Y

y0 t 0 s
Donde: t0

1 (x0 -x)2 + n (xi -x)2

=tn-2; es un valor t de student con n - 2 grados de libertad.

8. Intervalo de prediccin para y0.

1 (x -x)2 y0 t0s 1+ + 0 n (xi -x)2

C. Aplicaciones Problema Nro 1 Lori Franz, supervisora de mantenimiento de Baltimore Transit Authority, quisiera determinar si existe una relacin positiva entre los costos anuales de mantenimiento de un autobs y su edad. Si existe tal relacin, Lori cree que puede hacer un mejor trabajo si pronostica el presupuesto anual para el autobs. Ella recopil los datos d la tabla P.1 a) Grafique un diagrama de dispersin. b) Qu clase de relacin existe entre estas dos variables? c) Calcule el coeficiente de correlacin. d) Determine la recta de mnimos cuadrados. e) Pruebe la significancia de la pendiente de la regresin en el nivel de significancia 0.05. Esta regresin es significativa? Explique. f) Pronostique el costo anual del mantenimiento de un autobs de 5 aos.
Autobus 1 2 3 4 5 6 7 8 9 Tabla Nro 1 Costo de mantenimiento ($) Y 859 682 471 708 1094 224 320 651 1049 Edad (aos) X 8 5 3 9 11 2 1 8 12

Fuente: Dpto Mnto de Baltimore Transit Authority

Solucin Punto (a), primero solucionaremos con el Excel. Paso 1.- Se introducen los datos en una hoja de clculo, y se seleccionan los valores a graficar, para nuestro caso es el rango C3:D11.

Docente: Ing. Ferly Urday Luna

Pgina 4 de 22

Formulacin y Evaluacin de Proyectos de Inversin

Paso 2.- Se inicia el asistente para grficos, (

) y se escoge el tipo de grafico.

Se escoge el tipo de grafico. Luego se puede cambiar el subtipo

Finalmente se presiona siguiente

Se configuran las opciones apropiadamente.

Paso 3.- Finalmente el grafico queda terminado.

Docente: Ing. Ferly Urday Luna

Pgina 5 de 22

Formulacin y Evaluacin de Proyectos de Inversin

Diagrama de dispersin 1200

Costo de Mantenimiento

1000 800 600 400 200 0 0 3 6 9 12 15

Tiem po de vida

En el presente diagrama se puede notar que parece existir cierta relacin lineal, directamente proporcional, entre las variables tiempo de vida y costo de mantenimiento

(b) Qu clase de relacin existe entre estas dos variables? La relacin que existe entre estas variables es positiva, ello debido a que segn se puede apreciar en el diagrama de dispersin, la relacin es directamente proporcional, es decir que si aumenta el tiempo de vida tambin aumenta el costo de mantenimiento. (c) Calculo del coeficiente de correlacin. Introducimos los datos en una hoja de clculo, segn se aprecia en la figura siguiente:

Luego utilizamos las siguientes formulas:

r=

nXY ( X )( Y ) ( nX ( X ) )( nY ( Y ) )
2 2 2 2

r=

((X-X)(Y-Y))
(n-1) SXSY

r=

948665-596058

(9513-(59) )(94799724-(6058) )
2 2

=0.9377

r=

8951.44 =0.9377 (9-1)3.9721300.42

Tambin se pueden usar funciones de Excel, como:

Docente: Ing. Ferly Urday Luna

Pgina 6 de 22

Formulacin y Evaluacin de Proyectos de Inversin

FUNCIN: PEARSON Devuelve el coeficiente de correlacin producto o momento r de Pearson, r, un ndice adimensional acotado entre -1,0 y 1,0 que refleja el grado de dependencia lineal entre dos conjuntos de datos. Sintaxis =PEARSON(matriz1;matriz2) Matriz1 es un conjunto de valores independientes. Matriz2 es un conjunto de valores dependientes. FUNCIN: COEF.DE.CORREL Devuelve el coeficiente de correlacin entre dos rangos de celdas definidos por los argumentos matriz1 y matriz2. Use el coeficiente de correlacin para determinar la relacin entre dos propiedades. Por ejemplo, para examinar la relacin entre la temperatura promedio de una localidad y el uso de aire acondicionado. Sintaxis COEF.DE.CORREL(matriz1;matriz2) Matriz1 es un rango de celdas de valores. Matriz2 es un segundo rango de celdas de valores. Entonces los clculos de r, quedaran de la siguiente manera:

d) Determinacin de la recta de mnimos cuadrados Para determinar los coeficientes de la recta de regresin, se puede utilizar estas ecuaciones:

a=

y bx n

b=

nxy xy nx 2 ( x )2

En Excel se hace uso de las funciones: FUNCIN: INTERSECCION.EJE Calcula el punto en el que una lnea intersecar el eje y utilizando los valores X e Y existentes. El punto de interseccin se basa en el mejor ajuste de la lnea de regresin trazado con los valores X y los valores Y. Utilice la funcin INTERSECCION.EJE para determinar el valor de la variable dependiente cuando la variable independiente es igual a 0 (cero). Por ejemplo, puede emplear la funcin INTERSECCION.EJE para predecir la resistencia elctrica de un metal a 0 si los puntos de datos se han C tomado a temperatura ambiente o superior. Sintaxis INTERSECCION.EJE(conocido_y;conocido_x) Conocido_y es el conjunto de observaciones o datos dependientes. Conocido_x es el conjunto de observaciones o datos independientes.

Docente: Ing. Ferly Urday Luna

Pgina 7 de 22

Formulacin y Evaluacin de Proyectos de Inversin

PENDIENTE Devuelve la pendiente de una lnea de regresin lineal creada con los datos de los argumentos conocido_x y conocido_y. La pendiente es la distancia vertical dividida por la distancia horizontal entre dos puntos cualquiera de la recta, lo que corresponde a la tasa de cambio a lo largo de la lnea de regresin. Sintaxis PENDIENTE(conocido_y;conocido_x) Conocido_y es una matriz o rango de celdas de puntos de datos numricos dependientes. Conocido_x es el conjunto de puntos de datos independientes.

Entonces la recta de mnimos cuadrados es: Y = 208.203 + 70.92X Otra forma de encontrar dicha recta es por el mtodo grafico en el Excel, para ello se hace clic derecho en cualquier punto del diagrama de dispersin y se escoge agregar lnea de tendencia.
Diagrama de dispersin 1200
Costo de Mantenimiento

y = 70.918x + 208.2 2 R = 0.8792

1000 800 600 400 200 0 0 3 6 9 12 15

Tiem po de vida

Donde R2, representa el coeficiente de determinacin, el cual se interpreta diciendo que el 87.92% de los valores de y quedan explicados o dependen directamente de X, existiendo un 22.08% de valores de Y que no quedan representados por la ecuacin de regresin calculada.

Docente: Ing. Ferly Urday Luna

Pgina 8 de 22

Formulacin y Evaluacin de Proyectos de Inversin

R2, se obtiene en la prctica elevando el valor de r al cuadrado. e) Prueba ANOVA para el anlisis de regresin Para realizar este anlisis en Excel, se activa men herramientas Anlisis de datos y se escoge regresin:

Luego de aceptar, se obtiene el siguiente resultado:

Resumen Estadsticas de la regresin Coeficiente de correlacin mltiple 0.93767326 Coeficiente de determinacin R^2 0.87923114 R^2 ajustado 0.86197845 Error tpico 111.60975 Observaciones ANLISIS DE VARIANZA Grados de libertad Regresin Residuos Total 1 7 8 Coeficientes 208.203 70.918 Suma de cuadrados 634819.73 87197.15 722016.888 9 Promedio de cuadrados 634819.73 12456.73 F 50.96196 Valor crt de F 0.0001871 9

Intercepcin Variable X 1

Error tpico Estadstico t Prob 75.0017941 2.77597819 0.02745673 9.93423031 7.13876481 0.00018719

Inf 95% Sup 95% 30.852283 385.554406 47.427411 94.4088557

Analizando los resultados, tenemos:

Docente: Ing. Ferly Urday Luna

Pgina 9 de 22

Formulacin y Evaluacin de Proyectos de Inversin

La tabla ANOVA para anlisis de regresin tiene el siguiente formato: Fuente de Variacin Regresin Error Total Donde: Suma de Cuadrados SCR SCE SCT Grados de Libertad 1 n-2 n-1 Cuadrados Razn F Medios calculada
CMR = SCR 1
SCE n2

Fcal =

CMR CME

CME =

SCT=y2 -n(y)2
XY=48665

SCR=b ( xy-n(x)(y))
Y=673.111

SCE=SCT-SCR
b=70.9181 n=9

Y 2=4799724

X=6.555

Entonces la Tabla ANOVA calculada es:

Fuente Regresin Error Total SC 634819.73 87197.15 722016.89 GL 1 7 8 CM 634819.73 12456.74 90252.11 Fcal Prob 50.96 0.00018719 Fcrit 5.59

Las hiptesis de trabajo quedan expresadas como: H0: = 0 contra H1: 0 Entonces dado que FCal = 50.96 RC, o p = 0.000187 < , aceptamos H1 y rechazamos H0, por lo tanto se puede validar la ecuacin de regresin al 5% de error o podemos afirmar que la pendiente de la recta de regresin es diferente de cero.
El error tpico es la desviacin estndar de la regresin y se calcula con la formula:

s2 =
n 1 2 3 4 5 6 7 8 9

SCE = n2
X

( y y )
i i i =1

n
2 i

n i =1

y
=
i =1

a yi b xi yi
i =1

n2
Y

n2
Yi (Y-Yi)
2

8 5 3 9 11 2 1 8 12 59

859 682 471 708 1094 224 320 651 1049 6058

775.5484155 562.7940141 420.9577465 846.4665493 988.3028169 350.0396127 279.1214789 775.5484155 1059.220951

6964.166957 14210.06708 2504.227137 19172.98527 11171.89451 15885.98396 1671.05349 15512.3078 104.4678333 87197.15405

87197.15 = 111.61 92 El coeficiente de determinacin se puede calcular con la relacin: s=

Docente: Ing. Ferly Urday Luna

Pgina 10 de 22

Formulacin y Evaluacin de Proyectos de Inversin

R 2= R 2=

SCR SCT

634819.73 =0.8792 722016.89

CME CMT

El coeficiente de determinacin corregido se calcula

R 2=R 2=12

R =1-

12456.74 =0.861978 90252.11

Los coeficientes de la recta de regresin son:

Coeficientes 208.203 70.918

Intercepcin Variable X 1

Y*=Y=Y=209.203+70.918X i

La recta de regresin tambin es representada por: Y = b0 + b1X Las pruebas de hiptesis para cada uno de los coeficientes de la recta de regresin, estn expresadas en a la derecha de dichos coeficientes y en ambos casos se utiliza la distribucin t de student. Desviacin estndar estimada de b1

s b1 = X
X = 2 X = n= sx =
2 i

( X i )
n
59 513 9

9.934230312

Para la Prueba de Hiptesis individual, el estadstico t se calcula por:

t= b1 sb1

p=

0.000187190

t=

70.918 = 7.139 9.934

f) Pronstico para un costo anual de mantenimiento de 5 aos

Y*=Y=Y=209.203+70.918X i

Y* = 209.203 + 70.918(5) Y* = 562.794

Docente: Ing. Ferly Urday Luna

Pgina 11 de 22

Formulacin y Evaluacin de Proyectos de Inversin

Problema Nro 2 Ejercicio aplicativo de series de tiempo Con los datos que se presentan en la tabla Nro 2, realizar un pronostico para los prximos 5 aos, haciendo uso del mtodo de los mnimos cuadrados con tendencia lineal. Tabla Nro 2.- Gastos en capacitacin de la empresa INSUR Ao 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 Gasto 14.8 20.6 22.1 19.3 20.6 25.6 26.5 28.5 26.8 28.7 35.1 37.0 30.5

FUENTE.- Dpto de RRHH - enero del 2008

Para trabajar este ejercicio en Excel, se puede proceder de la siguiente manera:

Problema Nro 3 Encontrar la ecuacin de tendencia para los siguientes datos: (Utilizar un modelo lineal o uno que se pueda linealizar)

Docente: Ing. Ferly Urday Luna

Pgina 12 de 22

Formulacin y Evaluacin de Proyectos de Inversin

X 1.5 2 3 3.5 4 5

Y 2.6 2.4 1.2 1.8 1.6 1.4

Se utiliza la opcin agregar lnea de tendencia de Excel para un diagrama de dispersin

y = -0.34x + 2.91 R2 = 0.6202 y = 3.1251x-0.532 R2 = 0.6247

3 2.5 2 1.5 1 0.5 0 0 1 2 3 4 5

3 2.5 2 1.5 1

1
6

0.5 0 0 1 2 3 4 5 6

3 2.5 2 1.5 1 0.5 0 0 1 2 3 4

y = -1.0456Ln(x) + 2.9566 R2 = 0.71

3 2.5 2 1.5 1 0.5

y = 3.0498e-0.1728x R2 = 0.5443

3
5 6

0 0 1 2 3 4 5 6

De lo 4 modelos anteriores, se selecciona el Nro 3, por presentar un mayor coeficiente de determinacin. Problema Nro 4 Realizar un pronostico cuando el valor de X = 6, para el siguiente conjunto de datos.

Docente: Ing. Ferly Urday Luna

Pgina 13 de 22

Formulacin y Evaluacin de Proyectos de Inversin

X 1.2 1.8 3.1 4.9 5.7 7.1 8.6 9.8

Y 4.5 5.9 7 7.8 7.2 6.8 4.5 2.7

Solucin Se utiliza la opcin agregar lnea de tendencia de Excel, con un modelo polinomial de grado 2 (Parbola de mnimos cuadrados)
10 8 6 4 2 0 0 2 4 6 8 10 12 y = -0.211x + 2.0649x + 2.5878 2 R = 0.9823
2

Ahora como X tiene el valor 6 entonces para hallar Y se tiene: Y = 2.5878 + 2.0649(6) 0.211(6)2 Y= Problema Nro 5 Aplicacin de series de tiempo con varios valores por ao, uso del ndice estacional ajustado para pronosticar Mtodo de la razn de promedio mvil. Caso: Empresa de Acido Sulfurico Una planta productora de acido sulfrico, ha venido posicionndose en el mercado, para ello se presenta la evolucin de sus ventas trimestrales, en miles de barriles aprox. La capacidad mxima de la planta es de 550000 barriles por ao. Si una ampliacin de la misma, desde que se hacen los pedidos de las maquinarias, hasta que estas se instalan y prueban, demora 6 meses. Ayude al gerente de produccin a decidir cual es el tiempo mximo en el que debe proponer a gerencia general el inicio de la expansin de la fbrica, si se desea cumplir al 100% con los pedidos de los clientes en todo momento.

Docente: Ing. Ferly Urday Luna

Pgina 14 de 22

Formulacin y Evaluacin de Proyectos de Inversin

Tabla: Ventas en miles de barriles Trimestre I II III IV 2002 197 408 307 184 2003 283 449 372 169 Ao 2004 278 491 288 213 2005 268 465 332 225 2006 339 505 345 244

Realice un pronstico para los trimestres de los prximos 2 aos y responda la interrogante anterior. Solucin Para dar solucin a este problema se deben seguir los siguientes pasos: a) b) c) d) Colocar los datos, segn el formato de la tabla Nro 3 En el paso Nro 1 (Columna 4), se calcula el total mvil de los cuatro trimestres. En el paso Nro 2 (Columna 5), se calcula el promedio mvil de cuatro trimestres. En el paso Nro 3 (Columna 6), se calcula el promedio mvil centrado, considerando dos trimestres para dicho clculo. e) En el paso Nro 4 (Columna 7), se calcula el porcentaje del valor real con respecto al valor promedio mvil centrado. Para ello se usa la siguiente formula:

%Valor Re al =

Re al 100 Pr omedio Movil

Tabla: Calculo del promedio mvil centrado de cuatro trimestres. Ao (1) 2002 Trimestre Produccin Total Movil Prom. Movil Pro_Mo_Cen %_Valor_Real (2) (3) (4) (5) (6) (7) = (3)/(6) I 197 -II 408 1096 274 -III 307 1182 295.5 284.75 107.81% IV 184 1223 305.75 300.625 61.21% I 283 1288 322 313.875 90.16% II 449 1273 318.25 320.125 140.26% III 372 1268 317 317.625 117.12% IV 169 1310 327.5 322.25 52.44% I 278 1226 306.5 317 87.70% II 491 1270 317.5 312 157.37% III 288 1260 315 316.25 91.07% IV 213 1234 308.5 311.75 68.32% I 268 1278 319.5 314 85.35% II 465 1290 322.5 321 144.86% III 332 1361 340.25 331.375 100.19% IV 225 1401 350.25 345.25 65.17% I 339 1414 353.5 351.875 96.34% II 505 1433 358.25 355.875 141.90% III 345 -IV 244 --

2003

2004

2005

2006

Docente: Ing. Ferly Urday Luna

Pgina 15 de 22

Formulacin y Evaluacin de Proyectos de Inversin

Grafico: Serie temporal, promedio mvil centrado y lnea de tendencia.

600

500

400

300

200

100

0 0 5 10 15 20 25

f)

En el paso Nro 5, reunir todos los porcentajes reales con respecto a los valores promedio mvil que se encuentran en la columna 7 de la tabla Nro 3 y organizarlos por trimestres, ver tabla Nro 4

Tabla: Porcentajes de valores reales Trimestre Trimestre Trimestre I II III Trimestre IV Ao 2002 --107.81% 61.21% 2003 90.16% 140.26% 117.12% 52.44% 2004 87.70% 157.37% 91.07% 68.32% 2005 85.35% 144.86% 100.19% 65.17% 2006 96.34% 141.90% --Una vez reunidos los porcentajes de valores reales se proceder a calcular la media modificada. Los valores estacionales que se han recuperado para los trimestres, todava contienen las componentes cclica e irregular de la variacin de la serie temporal. Al eliminar los valores mas alto y mas bajo de cada trimestre, se reducen estas variaciones cclicas e irregulares extremas. Trimestre Media Modificada I II III IV 88.93%143.38%104.00% 63.19%

Por ejemplo, el valor 88.93, es el resultado de promediar 90.16 con 87.70, los valores 85.35 y 96.34 han sido eliminados para el primer trimestre. Repetir este proceso para los dems trimestres. g) En el paso Nro 6, se proceder a calcular los ndices temporales ajustados. Trim I II III Indice Desajustado Constante ajuste ndice Temporal Ajustado 89.04% 143.56% 104.13%

88.93% 1.001251564 143.38% 1.001251564 104.00% 1.001251564

Docente: Ing. Ferly Urday Luna

Pgina 16 de 22

Formulacin y Evaluacin de Proyectos de Inversin

IV

63.19% 1.001251564 399.50%

63.27% 400.00%

Calculo de la constante de estacionalidad Suma deseada 400% Suma de ndices 399.50% Constante de estacionalidad 1.001251564 Nota.- Para calcular la constante de estacionalidad, se usa la siguiente formula:

Cons tan te Estacionalidad =

Suma Deseada Suma Indices

h) En el paso Nro 7, se proceder a realizar la desestacionalizacin de los datos, para ello se debe dividir cada valor entre el ndice estacin ajustado correspondiente a su respectivo trimestre, y con los datos se proceder a encontrar la ecuacin de tendencia, haciendo uso del mtodo de los mnimos cuadrados para la tendencia desestacionalizada. Tabla: Datos Desestacionalizados X 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Ao Trimestre I II III IV I II III IV I II III IV I II III IV I II III IV 267.8917644 4.783245626 Produccin Produccin Produccion Real Desestacionalizada Pronosticada 197 408 307 184 283 449 372 169 278 491 288 213 268 465 332 225 339 505 345 244 221.25 284.20 294.82 290.82 317.83 312.76 357.25 267.11 312.22 342.02 276.58 336.65 300.99 323.91 318.83 355.62 380.73 351.77 331.32 385.65 Y = 267.89 + 4.78X 272.68 277.46 282.24 287.02 291.81 296.59 301.37 306.16 310.94 315.72 320.51 325.29 330.07 334.86 339.64 344.42 349.21 353.99 358.77 363.56

2002

2003

2004

2005

2006

a= b= i)

Finalmente se calcula el pronstico haciendo uso de la ecuacin de pronstico y se estacionalizan los valores hallados multiplicndolos por el ndice estacional ajustado segn corresponda a cada trimestre.

Docente: Ing. Ferly Urday Luna

Pgina 17 de 22

Formulacin y Evaluacin de Proyectos de Inversin

Tabla: Pronstico Estacionalizado X 21 22 23 24 25 26 27 28 29 30 31 32 Ao Trimestre I II III IV I II III IV I II III IV Pronostico Desestacionalizado 368.34 373.12 377.91 382.69 387.47 392.26 397.04 401.82 406.61 411.39 416.17 420.96 Pronostico Estacionalizado 327.97 535.66 393.51 242.13 345.01 563.12 413.44 254.23 362.04 590.59 433.36 266.34

2007

2008

2009

Grafico: Serie temporal, serie desestacionalizada y lnea de tendencia

600 500 400 300 200 100 0 0 5 10 15 20 25

Conclusin: Como se puede ver en la tabla Nro 6, se exceder la capacidad mxima de produccin en el II trimestre del ao 2008, por lo tanto se debera comenzar la ampliacin de las instalaciones a mas tardar al finalizar el tercer trimestre del 2007.

Docente: Ing. Ferly Urday Luna

Pgina 18 de 22

Formulacin y Evaluacin de Proyectos de Inversin

Ejercicios Planteados 1. Industrias Peruanas S.A., (INPESA), es una empresa que se dedica a la produccin y comercializacin de productos embutidos en todo el territorio peruano, cuenta con agencias en 10 ciudades del pas, a continuacin se presenta la cantidad de vendedores por agencia que posee esta empresa. Nro Vendedores Ventas Mensuales Miles de $ 2 58 6 105 8 88 8 118 12 117 16 137 20 157 20 169

Realizar un pronostico si se piensa aperturar una agencia con 5 vendedores. Utilice la ecuacin lineal de tendencia.
2. Compras de alimentos de un programa de asistencia alimentara del gobierno en

miles de soles

Aos 2000 2001 2002 2003 2004 2005 2006 2007

Compras 70.40 66.50 70.70 51.90 80.90 90.00 93.20 87.90

a) Con los datos presentados elaborar un diagrama de series de tiempo y sacar conclusiones del resultado. b) Encontrar el coeficiente de correlacin y determinacin e interpretar el resultado. c) Hallar la ecuacin de mnimos cuadrados con tendencia lineal. d) Realizar un pronostico para los aos 2008 2015.
3. Con la siguiente informacin

Produccin de tomate en el departamento de Arequipa Ao 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 Produccin 5913 6880 5285 5595 5752 5110 9644 12318 12447 12018

FUENTE: Direccin Regional Agraria de Arequipa - OIA

Docente: Ing. Ferly Urday Luna

Pgina 19 de 22

Formulacin y Evaluacin de Proyectos de Inversin

a) Realizar el mejor pronostico para los aos 2000 2005. b) Buscar informacin acerca de la produccin histrica de tomate en Arequipa y comparar los datos reales con los pronosticados. c) Con todos los datos reales (1990 200?) encontrar una nueva ecuacin de tendencia y realizar un pronstico hasta el ao 2015.
4. La siguiente semana. Stan se dirigi a Laurel para pedirle algunos datos para su

prxima reunin sobre ventas.

Si recuerdas las primeras plticas que tuvimos sobre la historia de la compaa le dio, recordars que te dije como os sellos y el equipo para sellar, nuestra lnea de produccin ms extensa, son la piedra angular de nuestras ventas. De hecho es la lnea de productos con la que, bsicamente empez el negocio el Seor Douglas. Como estn las cosas, tambin es la lnea de productos que genera mayor nuestro mayor porcentaje de cobertura Hay algo que puedas hacer, como diagramas o grficas, que pudiera ilustrar el comportamiento de las ventas de sellos durante los ltimos diez aos o algo as? Tengo datos de las ventas por da o por mes con los que puedes trabajar. Qu tal si desestacionaliz los datos para mostrar una tasa de crecimiento ms precisa? Sugiri Laurel. Puedo utilizar las cifras sobre ventas mensuales y generar algunas grficas que muestren las tendencias. Calculando una estimulacin de mnimos cuadrados, tambin podr darte una herramienta aproximado para que puedas predecir la venta de sellos, sin tomar en cuenta las diferentes temporadas de ventas, quiero decir, para los aos venideros Qu te parece? Me perd en la parte de los mnimos cuadrados admiti Stan - , pero suena exactamente como la clase de cosa que estoy buscando. Ser interesante ver como se ven las ve tas sin el efecto de las temporadas. podrs tener una primera informacin de las cifras para el inicio de la siguiente semana? Claro que si, respondi Laurel. Te traer todo a tu oficina el lunes o el martes. a) Haga un anlisis de serie temporal de las ventas de sellos durante los ltimos diez aos. Desestacionalice las ventas por mes, utilizando el mtodo de razn de promedio mvil (use un promedio mvil centrado de doce meses). Luego encuentre la ecuacin lineal de mnimos cuadrados que mejor describa los datos desestacionalizados. b) Utilice los resultados que obtuvo para predecir las ventas de cada mes del 2007 Ventas mensuales de sellos (1997 2006) Mar Abr May Jun Jul Ago Sep 1952 1533 1853 1516 1663 1969 1304 2108 1656 2001 1637 1796 2127 1408 1897 1490 1801 1473 1619 1914 1347 2144 1684 2035 1665 1829 2163 1522 2382 1871 2261 1850 2029 2403 1591 1733 2017 2258 1914 1895 2429 2028 2053 1906 2465 2094 2691 2331 2233 2242 2820 2409 2191 2871 2414 2890 2799 2605 2907 2513 3230 3171 3126 3500 3256 3630 3141 4037 3910 3910

1997 1998 1999 2000 2001 2002 2003 2004 2005 2006

Ene 1421 1535 1381 1561 1734 2232 1867 2365 2662 3328

Feb 1434 1549 1395 1576 1751 1704 1873 2060 2590 3237

Oct 1465 1582 1424 1609 1788 2371 2828 2380 3676 4595

Nov 1369 1478 1330 1503 1670 1557 2008 2730 2610 3263

Dic 979 1057 1360 1511 1194 1381 1901 2157 2804 3505

Docente: Ing. Ferly Urday Luna

Pgina 20 de 22

Formulacin y Evaluacin de Proyectos de Inversin

5. Buscar en el INEI la siguiente informacin, y realizar un pronstico para los meses

de los prximos 5 aos, utilizando el mtodo de los promedios mviles, haciendo uso del ndice estacional ajustado, para los precios al consumidor. Precio Harina de Trigo Preparada (mensual / Kilogramo) Precio Harina de Trigo sin Preparar (mensual / Kilogramo) Precio Maicena Envasada (mensual / Kilogramo) Precio Smola Envasada (mensual / Kilogramo) Precio Galleta Envasada (mensual / Kilogramo) Precio Pan de Labranza (mensual / Kilogramo) Precio Pan Francs (mensual / Kilogramo) Precio Fideos a Granel (mensual / Kilogramo) Precio Carnero Chuleta (mensual / Kilogramo) Precio Cerdo Chuleta (mensual / Kilogramo) Precio Carne Molida (mensual / Kilogramo) Precio Res Bisteck Asado (mensual / Kilogramo) Precio Res Churrasco (mensual / Kilogramo) Precio Res Lomo (mensual / Kilogramo) Precio Sancochado (mensual / Kilogramo) Precio Gallina Eviscerada (mensual / Kilogramo) Precio Pollo Eviscerado (mensual / Kilogramo) Precio Pato Eviscerado (mensual / Kilogramo) Precio Higado de Res (mensual / Kilogramo) Precio Hueso de Res (mensual / Kilogramo) Precio Mondongo de Res (mensual / Kilogramo) Precio Pata de Res (mensual / Kilogramo) Precio Chalona (mensual / Kilogramo) Precio Jamn del Pas (mensual / Kilogramo) Precio Jamonada (mensual / Kilogramo) Precio Hot Dog de Ternera (mensual / Kilogramo) Precio Tocino Ahumado (mensual / Kilogramo) Precio Filete de Atn (mensual / Lata Chica) Precio Grated de Atn (mensual / Lata Chica) Precio Leche Fresca (mensual / Litro) Precio Leche Fresca Reconstituyente (mensual / Litro) Precio Queso Fresco de Vaca (mensual / Kilogramo) Precio Queso Mantecoso (mensual / Kilogramo) Precio Aceite Embotellado Vegetal (mensual / Litro) Precio Mantequilla a Granel (mensual / Kilogramo) Precio Mantequilla Envasada (mensual / Kilogramo) Precio Margarina a Granel (mensual / Kilogramo) Precio Margarina Envasada (mensual / Kilogramo) Precio Aj Rocoto (mensual / Kilogramo) Precio Aj Verde Escabeche (mensual / Kilogramo) Precio Ajo Entero (mensual / Kilogramo) Precio Apio (mensual / Kilogramo) Precio Cebolla Cabeza (mensual / Kilogramo) Precio Cebolla China (mensual / Kilogramo) Precio Choclo Criollo (mensual / Kilogramo) Precio Arveja Verde Criolla (mensual / Kilogramo) Precio Haba Verde (mensual / Kilogramo) Precio Vainita Americana (mensual / Kilogramo) Precio Tomate Italiano (mensual / Kilogramo) Precio Zanahoria (mensual / Kilogramo) Precio Zapallo Macre (mensual / Kilogramo)

Docente: Ing. Ferly Urday Luna

Pgina 21 de 22

Formulacin y Evaluacin de Proyectos de Inversin

Precio Betarraga (mensual / Kilogramo) Precio Col Crespa (mensual / Kilogramo) Precio Coliflor sin Hojas (mensual / Kilogramo) Precio Espinaca (mensual / Kilogramo) Precio Nabo (mensual / Kilogramo) Precio Poro (mensual / Kilogramo) Precio Verdura Picada (mensual / Kilogramo) Precio Pasas a Granel (mensual / Kilogramo) Precio Azcar Blanca (mensual / Kilogramo) Precio Azcar Rubia (mensual / Kilogramo) Precio Aceituna de Botija (mensual / Kilogramo) Precio Aj Molido Amarillo (mensual / Kilogramo) Precio Canela Entera (mensual / Kilogramo) Precio Comino Molido (mensual / Kilogramo) Precio Pimienta Molida (mensual / Kilogramo) Precio Sazonador en Sobre (mensual / Kilogramo) Precio Vinagre Corriente (mensual / Botella Grande) Precio Sal Yodada de Cocina (mensual / Kilogramo) Precio Gaseosa (mensual / Botella Vidrio Mediana) Precio Cerveza Blanca (mensual / Botella Vidrio 620 ml.) Precio Cerveza Blanca Servida (mensual / Botella Vidrio 620 ml.) Precio Gaseosa Servida (mensual / Botella Vidrio Mediana) Precio Jugo de Frutas (mensual / Vaso) Cuestionario Qu ocurre con el coeficiente de determinacin para los modelos logartmico y potencial, cuando se hace un cambio de la variable X en una serie de tiempo.?

Docente: Ing. Ferly Urday Luna

Pgina 22 de 22