1.1.

MÉTODOS DE PROYECCIÓN:

1.1.1. REGRESIÓN LINEAL:

Se basa en la siguiente expresión matemática, que relaciona dos variables, sea Y, la

variable dependiente y X, la variable independiente, de la siguiente manera:

Y =A + BX

Para predecir los valores de las variables, previamente se debe calcular los valores de "A" y
"B" y posteriormente reemplazar esos valores en la ecuación general.
Esta relación se resuelve a través de la solución de las siguientes ecuaciones normales,
donde las incógnitas son la "A" y "B".

Los valores numéricos de "A" y "B" se pueden hallar con las siguientes formulas:

Ejemplo:

Se tiene las ventas de agregados de una cantera en el tiempo dispuesto en m3,

como se muestra en el siguiente cuadro:

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 1

 Año (X) Venta en miles de m3
m3 (Y)

1999 21.7

2000 27.2

2001 38.6

2002 54.1

2003 66.3

2004 74.7

2005 82.0

2006 94.4

2007 100.2

2008 107.2

Se desea proyectar la demanda para 20 años

El gráfico nos permite apreciar que hay una clara tendencia lineal

Venta de agregados en miles de m3 (Y)

120

100

80

60
Y
40

20

0
1998 2000 2002 2004 2006 2008 2010
X

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 2

 (X) (Y) XY X^2 Y^2
1 21.7 21.7 1 470.89
2 27.2 54.4 4 739.84
3 38.6 115.8 9 1489.96
4 54.1 216.4 16 2926.81
5 66.3 331.5 25 4395.69
6 74.7 448.2 36 5580.09
7 82 574 49 6724
8 94.4 755.2 64 8911.36
9 100.2 901.8 81 10040.04
10 107.2 1072 100 11491.84
SUMA 55 666.4 4491 385 52770.52

hallando A Y B para n= 10

A= 11.58667
B= 10.0097

Y = 11.5867 + 10.0097 *X

SI QUEREMOS PROYECTAR LA DEMANDA PARA 20 AÑOS

TENEMOS:
Y = 11.5867 + 10.0097 x 20
Y = 211.58m3

1.1.2. REGRESIÓN POTENCIAL:

Teniendo los datos Históricos observados sobre la Demanda, Oferta o la variable que
se quiera Proyectar, podemos graficar la nube de puntos y poder apreciar la distribución de
los mismos y poder apreciar si los puntos se aproximan a alguna función, en el caso de la
función exponencial se puede recurrir a la siguiente relación:

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 3

 Y =AXB

Para Linealizar esta función se aplica logaritmos a ambos miembros, mediante este
procedimiento se obtiene una ecuación logarítmica lineal:

Log Y = Log A + B Log X

Sustituyendo valores se tiene:

Y = Log Y A = Log A X = Log X

Una vez realizada la sustitución, los resultados se escriben en la forma lineal:

Y = A + B (X)

La ecuación logarítmica puede resolverse también a través de las siguientes ecuaciones

normales:

Ejemplo N° 2:

Con los siguientes datos Históricos, Proyectar la Demanda de cemento para el año 2000
mediante Regresión potencial

Por el método no lineal de Regresión potencial se tiene las siguientes relaciones y

construimos la siguiente tabla:

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 4

Aplicando la fórmula de Regresión lineal (mínimos cuadrados):

Reemplazando los valores de "A" y "B" en la ecuación general se tiene:

Y = 4.3355 + 0.5485 (Log X)

Recordemos que los valores Históricos de "X", corresponden a los valores del logaritmo
de "X", por lo tanto para efectuar estimaciones, lo primero que se debe hacer es expresar
en términos logarítmicos el valor del año de 1999 (cumpliendo así una exigencia de la
ecuación lineal logarítmica), valor que corresponde al periodo 7. Entonces: Log 7 =
0.8451 y así se procede para Proyectar los posteriores años.

Y = 4.3355 + 0.5485 (Log 7) = 4.7985

Por último, para cuantificar la Demanda del año 1999, se encuentra el antilogaritmo de
4,7985, cuyo resultado final es:

Y = Anti log (4,7985)

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 5

 Y = 62.878 unidades

Comprobando el Coeficiente de determinación y el grado de Correlación entre las

variables "X" y "Y" y calculando también el error estándar de estimación tenemos:

Como se puede apreciar ambos Coeficientes se aproximan a la unidad, lo que implica

que la ecuación de Regresión potencial empleada es la que mejor se ajusta las
variables.

1.1.3. REGRESIÓN EXPONENCIAL

Otro tipo de Función que tiene aplicación en el análisis de Regresión, es la

función exponencial que esta por la expresión:

Y = ABX

En todo caso, al igual que la Función Potencial, la Regresión Exponencial puede

también ser linealizada aplicando logaritmos a ambos miembros, resultado de ello se
tiene la relación siguiente:

LogY = LogA + LogB(X)

Sustituyendo valores:

Y = Log Y A = Log A X = Log X

Recordemos que la ecuación exponencial logarítmica puede resolverse también a

través de ecuaciones normales:

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 6

 Ejemplo N°3:

Se tienen los siguientes datos de las ventas de maquinaria en la ciudad de

Cajamarca, se desea encontrar la demanda para el año 2004:

Año Ventas
1993 28.00
1994 28.30
1995 28.90
1996 30.10
1997 32.10
1998 34.50
1999 39.80
2000 43.90
2001 51.10
2002 59.70
2003 376.4

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 7

 Vemos que la tendencia lineal sólo cruza a los datos reales en dos puntos. Por
tanto usar la proyección lineal no va ser una buena decisión. En este caso vamos a
utilizar la proyección exponencial.

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 8

 La ecuación sería:

Y = 22.8552 x 1.0882X

La proyección para el período 11 sería:

Y = 22.8552 x1.0882x11

Y = 57.91

1.1.4. COEFICIENTE DE DETERMINACIÓN ( ):

Este Coeficiente sirve para medir la relación entre las variables, medida de ajuste
de modelo de Regresión y que corresponde al cuadrado del Coeficiente de correlación
simple ( ). El cálculo del Coeficiente de correlación puede efectuarse de manera directa,
mediante la siguiente formula:

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 9

 1.1.5. COEFICIENTE DE CORRELACIÓN ( ):

Se dice que existe correlación entre dos variables, cuando al variar una de ellas
varía también la otra variable. Para que la Proyección sea más acertada es necesario
que el número de observaciones (n) sea más amplio. A mayores años estudiados, tiene
más relevancia estadística el valor de este Coeficiente.

El grado de aproximación entre variables es mayor cuando el Coeficiente de

Correlación se acerca al valor máximo de 1. Entonces, en este caso se dice, existe
una elevada Correlación entre X y Y.

1.1.6. ERROR ESTANDAR DE LA ESTIMACIÓN (Se):

El error de la estimación es una medida que permite mostrar el nivel de

confiabilidad que tiene la ecuación de predicción e indica hasta que punto los valores
observados difieren de sus valores Históricos alrededor de la línea de Regresión.
Cuando " Se" se aproxima a cero, entonces la ecuación de Regresión empleada será
un estimador óptimo de la variable dependiente. Para el cálculo directo se puede
utilizar la siguiente formula:

1.1.7. REGRESIÓN PARABOLICA O CURVA CUADRÁTICA:

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 10

 Recordemos que la ecuación de mejor ajuste corresponde aquella que presenta
los Coeficientes de determinación y Correlación más próximo a la unidad, bajo este
criterio, se dan casos donde la serie de Información obtenida no se puede explicar por
ninguno de las medidas de Regresión vistas hasta el momento; ante esta situación y
asumiendo que la serie tiene una curva parabólica cuyo comportamiento se describe
matemáticamente por una ecuación de segundo grado (parábola).

La Regresión se expresa así:

Y = A + BX + CX2
Dónde:
Y = Estimación de la variable dependiente
A, B, C = constantes numéricas
X = Valores de la variable independiente.

Los valores "A", "B" y "C" se encuentran resolviendo un sistema de tres ecuaciones
con tres incógnitas.

Pero cuando se recurre a la codificación de la variable independiente, el cálculo también

se efectúa con las siguientes fórmulas de mínimos cuadrados:

1.1.8. LA CURVA DE GOMPORTZ:

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 11

Producción de consumo con el ciclo de vida:

Por mínimos cuadrados, se tiene:

La Regresión sirve para Proyectar datos hacia el futuro, para determinar el grado de
dependencia que existe entre dos variables. Es necesario contar con datos pasados para
poder hacer las proyecciones hacia el futuro.

La Correlación es la asociación entre dos o más variables, como una relación causa - efecto,
el cual se lo obtiene aplicando el logaritmo natural (ln).

Ejemplo:

Se tiene la demanda de varillas de acero de 1” de diámetro como se muestra en el

cuadro adjunto:

Año Demanda

1995 7828

1996 8476

1997 11855

1998 11419

1999 14071

2000 14155

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 12

 Proyectar la demanda para el año 2001

Solución:

Reemplazando en las formulas:

n = Número de datos

Por lo tanto se tiene la ecuación:

Para Proyectar el año 7, reemplazar el valor (x = 7) y así sucesivamente.

Y = 13087 .33
Y =13239 .698

El Coeficiente de Determinación: ( )

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 13

 VT = VE + VNE

Dónde:
VT: Variación Total.
VE: Variación Explicada.
VNE: Variación no Explicada.
VT = VE + VNE

Por lo tanto el 79.44% de los datos del consumo aparente están explicados por el
tiempo, mientras mayor sea este porcentaje mucho mejor.

TAMAÑO DE LA MUESTRA

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 14

 Al realizar un muestreo probabilística nos debemos preguntar ¿Cuál es el
número mínimo de unidades de análisis (personas, organizaciones, capitulo de
telenovelas, etc), que se necesitan para conformar una muestra.

En el tamaño de una muestra de una población tenemos que tener presente

además si es conocida o no la varianza poblacional.

Para determinar el tamaño de la muestra cuando los datos son cualitativos es

decir para el análisis de fenómenos sociales o cuando se utilizan escalas nominales
para verificar la ausencia o presencia del fenómeno a estudiar, se recomienda la
utilización de la siguiente formula:

𝒏´
𝒏=
𝒏´
𝟏+ 𝑵

Ejemplo:

De una población de 1 176 adolescentes de una ciudad X se desea conocer la

aceptación por los programas humorísticos televisivos y para ello se desea tomar una
muestra por lo que se necesita saber la cantidad de adolescentes que deben entrevistar
para tener una información adecuada con error estándar menor de 0.015 al 90 % de
confiabilidad.

Solución:

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 15

 N = 1176

Se = 0.015

𝜎 2 = (𝑆𝑒)2 = (0.015)2 = 0.000225

𝑆 2 = 𝑝(1 − 𝑝) = 0.9(1 − 0.9) = 0.09

Por lo que:

𝑆2 0.09
𝑛´ = = = 400
𝜎2 0.000225

Remplazando:

400
n= = 298
400
1 + 1176

Es decir para la investigación se necesita una muestra de al menos 298

adolescentes.

 Slideshare. (26 de Junio de 2014). Obtenido de

http://www.slideshare.net/guest8a3c19/tamao-de-la-muestra-4141371

 UAEH. (24 de JUNIO de 2014). Obtenido de

http://www.uaeh.edu.mx/docencia/P_Presentaciones/tlahuelilpan/administra
cion/proy_inv/estudio%20de%20mercado.pdf

 UNITEC. (25 de Junio de 2014). Obtenido de

http://emprendedor.unitec.edu/pnegocios/Estudio%20de%20mercado.htm

 WORDPRESS. (25 de Junio de 2014). Obtenido de 25:

erods.files.wordpress.com/2010/11/proyecciones-mercado.pp

FORMULACIÓN DE PROYECTOS DE INGENIERÍA Página 16