Evaluacin de Proyectos
Objetivo
Tcnicas de proyeccin.
Cada una de las tcnicas de proyeccin tiene una aplicacin de carcter especial que hace de su seleccin un problema decisional influido por diversos factores: Validez y disponibilidad de los datos histricos. Precisin deseada del pronstico. Costo del procedimiento. Beneficios del resultado. Perodos futuros que se desee pronosticar. Tiempo disponible para hacer el estudio. Ciclo de vida del producto.
Tcnicas de proyeccin.
La validez de los resultados de la proyeccin est ntimamente relacionada con la calidad de los datos de entrada que sirvieron de base para el pronstico. Las fuentes de informacin de uso ms frecuente son: Series histricas oficiales de organismos pblicos y privados, opiniones de expertos, y el resultado de encuestas especiales. Los mtodos son de carcter subjetivo, modelos causales y modelos de series de tiempo.
Se basan principalmente en opiniones de expertos, su uso es frecuente cuando el tiempo para elaborar el pronstico es escaso, cuando no se dispone de todos los antecedentes mnimos necesarios o cuando los datos disponibles no son confiables para predecir algn comportamiento futuro.
Mtodo Delphi.
Panel de expertos.
Consenso de panel.
Es similar al mtodo Delphi, se diferencia de aquel en que no existen secretos sobre la identidad del emisor de las opiniones, y en que no hay retroalimentacin dirigida desde el extreior. Se estimula la comunicacin. El peligro del mtodo reside en la posibilidad de que emerja un grupo dominante que anule la interaccin adecuada y se logre un consenso por la capacidad de argumentacin y no por la validez de la misma.
Investigacin de mercado.
Se utiliza principalmente en la recoleccin de la informacin relevante para ayudar a la toma de decisiones o para probar o refutar hiptesis sobre un mercado especfico, a travs de encuestas, experimentos, mercados prueba u otra forma. Provee una informacin sistematizada y objetiva. La principal caracterstica del mtodo es su flexibilidad para seleccionar e incluso disear la metodologa que ms se adece al problema en estudio, requiriendo una investigacin ya sea exploratoria, descriptiva o explicativa.
Pronsticos visionarios.
Se utiliza cuando se dispone de personal interno a la empresa a la que se le evala el proyecto, y dicho personal tiene una experiencia y conocimiento de sus clientes adquirido en aos de experiencia, puede emitir opiniones respecto a reacciones y comportamientos posibles de esperar en el futuro. La proyeccin del mercado se har tomando el resultado de la estimacin directa del personal y corrigindola por antecedentes recopilados de una variedad de fuentes atinentes al comportamiento de la economa, la competencia, etc.. An cuando este mtodo presenta ventajas obvias respecto a costo y rapidez, presenta algunas insuficiencias derivadas de la influencia dominante de las experiencias ms recientes y de la falta de unidades a medida que den exactitud a la estimacin.
Modelos causales.
Los mtodos causales intentan proyectar el mercado sobre la base de antecedentes cuantitativos histricos; para ello 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 son: modelo de regresin lineal modelo economtrico mtodo de encuestas de intenciones de compras modelo de insumo-producto.
Modelos de regresin.
El primero indica que la variable dependiente se predice sobre la base de una variable independiente, mientras que el segundo indica que la medicin se basa en dos o ms variables independientes. En ambos casos, aunque los valores de la variable independiente pueden ser asignados, los de la variable dependiente deben obtenerse por medio del proceso de muestreo.
Modelos de regresin.
Proceso:
De las observaciones de las variables se deriva un diagrama de dispersin que indica la relacin entre ambas. Determinar la ecuacin lineal mediante el mtodo de mnimos cuadrados. Estimar la demanda esperada. Determinar la precisin y confiabilidad de los resultados.
Ecuacin lineal: y = a + bx
Criterio de mnimos cuadrados para la determinacin de la pendiente (b):
es el mejor ajuste que minimiza la suma de desviaciones cuadrticas entre valores reales y estimados de la variable dependiente
Permite determinar intervalos de confianza para el valor estimado, dependiendo del grado de confianza requerido:
Ao 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 Total
X -5 -4 -3 -2 -1 0 1 2 3 4 5 0
XY -50 -80 -90 -90 -70 0 125 300 540 880 1350 2815
X2 25 16 9 4 1 0 1 4 9 16 25 110
Y2 100 400 900 2025 4900 8100 15625 22500 32400 48400 72900 208250
r2=(nS xy-(S x)(S y))2 (nS x 2-(S x)2)(nS y 2-(S y)2) r2= (11(2815)-(0)(1210))2 (11(110)-(0)2)(11(208250)-(1210)2) r2 = 0.958 S e= S y 2-aS y-bS xy n-2
y = 110 + 25.59 x
Se= 18.6
Continuacin..
Ejemplo:
Determinar intervalo de confianza para la demanda en el ao 1996, con un 95% de probabilidad de que la demanda estimada se encuentre dentro de dicho intervalo: Y = y +- 2*18,6 Y = 110 +25.59 (1) = 135,59 Intervalo: [98,39 ; 172,79]
Los modelos de series de tiempo se refieren a la medicin de una variable en el tiempo a intervalos espaciados uniformemente. El objetivo de la identificacin de la informacin histrica es determinar un patrn bsico en su comportamiento, que posibilite la proyeccin futura de la variable deseada. En un anlisis de series de tiempo pueden distinguirse cuatro componentes bsicos que se refieren a una tendencia, a un factor cclico, a fluctuaciones estacionales y a variaciones no sistemticas.
Tendencia: se refiere al crecimiento o declinacin en el largo plazo del valor promedio de la variable estudiada, por ejemplo la demanda. Componente cclico: corresponde a las divergencias significativas que pueden darse entre la lnea de tendencia proyectada y el valor real que exhiba la variable. Componente estacional: exhiben fluctuaciones que se repiten en forma peridica y que normalmente dependen de factores como el clima y la tradicin entre otros. Componente no sistemtico: aunque se conozcan los tres componentes sealados, una variable puede tener todava un comportamiento real distinto del previsible.
Cclico Tendencia
Luciano Badilla Sufn badilla.luciano@gmail.com
Estacional No sistemstico
Ao
Estacin
Demanda actual 2 3 4 1 5 6 7 2 7 10 10 3 10 17 16 2 13 20 28 9 19 34 34 3 27 39 48 11 26 44
PM
PMC
IE
2000 Invierno Primavera Verano Otoo 2001 Invierno Primavera Verano Otoo 2002 Invierno Primavera Verano Otoo 2003 Invierno Primavera Verano Otoo 2004 Invierno Primavera Verano Otoo 2005 Invierno Primavera Verano Otoo 2006 Invierno Primavera Verano Otoo 2007 Invierno Primavera
2,50 3,25 4,00 4,75 5,00 5,50 6,50 7,25 7,50 8,25 10,00 11,50 11,25 12,00 12,75 15,75 17,50 19,00 22,50 24,00 22,50 24,50 25,75 29,25 31,25 31,00 32,25 34,25
2,88 3,63 4,38 4,88 5,25 6,00 6,88 7,38 7,88 9,13 10,75 11,38 11,63 12,38 14,25 16,63 18,25 20,75 23,25 23,25 23,50 25,13 27,50 30,25 31,13 31,63 33,25 35,63
1,39 0,28 1,14 1,23 1,33 0,33 1,02 1,36 1,27 0,33 0,93 1,49 1,38 0,16 0,91 1,20 1,53 0,43 0,82 1,46 1,45 0,12 0,98 1,29 1,54 0,35 0,78 1,24
Ao 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Total Promedio
Invierno 1,14 1,23 1,33 0,33 1,02 1,36 1,27 0,33 0,93 1,49 10,44 1,04377535
Primavera
1,23 1,33 0,33 1,02 1,36 1,27 0,33 0,93 1,49 1,38 10,67 1,06712405 Suma de promedios 1,09961154 65885 65885 65885 65885 65885
Verano 1,39 1,33 0,33 1,02 1,36 1,27 0,33 0,93 1,49 1,38 9,44 0,94
Otoo 0,28 0,33 1,02 1,36 1,27 0,33 0,93 1,49 1,38 0,16 8,27 0,83 3,88 0,85
1,07555202
Luciano Badilla Sufn badilla.luciano@gmail.com
0,97
Mtodos de proyeccin
ECUACIONES NO LINEALES: cuando la tendencia del fenmeno es claramente no lineal, se utilizan ecuaciones. Los principales tipos de ecuaciones no lineales son: la parablica y la exponencial.
Y= a + bX + cX2
Luciano Badilla Sufn badilla.luciano@gmail.com
Y = abx
Promedios (o medias).
Suavizacin exponencial.
No se utilizan en evaluacin de proyectos, puesto que aqu es necesario realizar pronsticos de demanda y oferta.