IV

Tema Cuatro

4 Modelos para la proyección del

mercado . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.1 Modelos para la proyección de mercado
4.2 Apartado: cálculo de la tendencia en excel
 4. Modelos para la proyección del mercad

4.1 Modelos para la proyección de mercado

4.1.1 Introducción
El análisis y la preparación de un estudio de mercado conlleva la utilización de métodos
y modelos que permitan proyectar el comportamiento sea actual o histórico de los datos. La
buena elección y el buen manejo permitirá minimizar los riesgos inherentes al manejo de la
información y por ende darán seguridad a los pronósticos realizados.

4.1.2 Modelos para la proyección de la demanda

Modelos y tasas
Una de las técnicas mas comunes a ser usadas en el análisis de los datos y su proyección,
se basa en método de las tasas, asumimos que la población crece a un determinado ritmo
que puede ser aritmético o geométrico; en consecuencia, para la proyección de los mercados
asumimos que si la población ha crecido la demanda en consecuencia también lo hará al
mismo ritmo. Para este efecto el análisis se basa en el criterio de las tasas de interés simple e
interés compuesto para conseguir progresiones aritméticas o geométricas según sea el caso.

Método de la tasa aritmética

Vn = V0 (1 + in)

Donde :
 52 Capítulo 4. Modelos para la proyección del mercado

Vn = Valor para el período n

V0 = Valor para el periodo inicial

I= tasa de interés

n= numero de períodos

Método de la tasa geométrica

Vn = V0 (1 + i)n

En ambos casos la tasa de interés representa la tasa de crecimiento poblacional, que nor-
malmente debe ser obtenida de instituciones especializadas de información estadística.

4.1.3 Modelos de regresión simple

Ls demanda o variable dependiente (Y) de un producto puede estar en función de una
variable independiente (X) tal como: el ingreso del consumidor, el precio del producto, el PIB
percápita, los gastos de comercialización, etc. En este caso se pueden hacer ajustes de regresión
a las funciones de una sola variable Y = f (X) de la forma que se muestra en el cuadro siguiente:

Tipo de función Ecuación

Lineal Y = a + bX
Exponencial Y = aebx
Potencial Y = aX b
Logaritmica Y = a + blnX
Asintótica Y = a − b/X
Gompertz Y = e(a−bx)

Todas estas funciones son trabajadas a través del concepto de linealización y sus paráme-
tros A y B pueden ser calculados a partir de las ecuaciones desarrolladas para el modelo lineal.
Partiendo del diagrama de dispersión se debe visualizar una curva tendencial que se aproxima
a los datos mostrados.

TIPOS DE REGRESIÓN.

Los modelos de regresión de uso mas frecuente en el análisis de tendencia son los siguien-
tes.
 4.1 Modelos para la proyección de mercado 53

Tipos de proyección Ecuación Formula de cálculo

(∑ y)(∑ x2 ) − (∑ x)(∑ xy)
Proyección lineal Y = a + bx A=
n(∑ x2 ) − (∑ x)2
n(∑ xy) − (∑ x)(∑ Y )
B=
n(∑ x2 ) − (∑ x)2
y = a+b x
Proyección exponencial ∑ log y = n log A + log B ∑ x
∑ x log y = log A ∑ x + log B ∑ x2
Proyección potencial y = a + xb ∑ log y = n log A + B ∑ log x
∑ log X logY = log A ∑ log X + B log x2
(∑ y)(∑ x4 ) − (∑ x2 )(∑ x2 y)
Proyección parabólica y = a + bx + cx2 A=
n(∑ x4 ) − (∑ x2 )(∑ x2 )
∑ xy
B=
∑ x2
n(∑ x y) − (∑ y)(∑ x2 )
2
C=
(∑ x4 ) − (∑ x2 )(∑ x2 )
Estas relaciones del calculo de la regresión se las puede ejecutar también a través de
planillas de excel

4.1.4 Metodología de la investigación de mercados

En muchos de los casos no se pueden disponer de datos históricos para la proyección de los
mercados en esos casos puede ser muy favorable recurrir a la metodología de la investigación
de mercados.

Figura 4.1: Metodología de la investigación de mercados

 54 Capítulo 4. Modelos para la proyección del mercado

4.1.5 Teoría del muestreo

Población.- Es todo conjunto de elementos finito o infinito, definido por una o más carac-
terísticas, de las que gozan todos los elementos que la componen.

Es la totalidad del universo que interesa considerar, y que es importante que este bien
definido para que se sepa en todo momento que elementos la componen.

Muestra.- En todas las ocasiones en que no es posible o conveniente realizar un censo,

lo que hacemos es trabajar con una muestra, entendiendo por tal una parte representativa de
la población. Para que una muestra sea representativa, y por lo tanto útil, debe de reflejar las
similitudes y diferencias encontradas en la población, ejemplificar las características de la
misma. Cuando decimos que una muestra es representativa indicamos que reúne aproximada-
mente las características de la población que son importantes para la investigación.

Tipos de muestreo
1 Muestreos Probabilísticos:
a Aleatorio Simple
b Aleatorio Sistemático
c Estratificado
d Por Conglomerados
e Polietápico
f Por Ruta Aleatoria
2 Muestreos No Probabilísticos:
a Por cuotas
b Opinático intencional
c Causal o incidental
d de Bola de Nieve
e Discrecional
f Por Ruta Aleatoria

1 Métodos de muestreo probabilísticos

Los métodos de muestreo probabilísticos son aquellos que se basan en el principio de

equiprobabilidad.

Es decir, aquellos en los que todos los individuos tienen la misma probabilidad de ser
elegidos para formar parte de una muestra y, consiguientemente, todas las posibles muestras
de tamaño n tienen la misma probabilidad de ser elegidas. Sólo estos métodos de muestreo
probabilísticos nos aseguran la representatividad de la muestra extraída y son, por tanto, los
más recomendables. Dentro de los métodos de muestreo probabilísticos encontramos los
siguientes tipos:
4.1 Modelos para la proyección de mercado 55

1.1.- Muestreo aleatorio simple: El procedimiento empleado es el siguiente:

1. se asigna un número a cada individuo de la población y

2. a través de algún medio mecánico (bolas dentro de una bolsa, tablas de números alea-
torios, números aleatorios generados con una calculadora u ordenador, etc) se eligen
tantos sujetos como sea necesario para completar el tamaño de muestra requerido.

Este procedimiento, atractivo por su simpleza, tiene poca o nula utilidad práctica cuando
la población que estamos manejando es muy grande.

1.2.- Muestreo aleatorio sistemático: Este procedimiento exige, como el anterior, nume-
rar todos los elementos de la población, pero en lugar de extraer n números aleatorios sólo
se extrae uno. Se parte de ese número aleatorio i, que es un número elegido al azar, y los
elementos que integran la muestra son los que ocupan los lugares i, i+k, i+2k, i+3k,...,i+(n-1)k,
es decir se toman los individuos de k en k, siendo k el resultado de dividir el tamaño de la
población entre el tamaño de la muestra: k=N/n. El número i que empleamos como punto de
partida será un número al azar entre 1 y k.

El riesgo se este tipo de muestreo está en los casos en que se dan periodicidades en la
población ya que al elegir a los miembros de la muestra con una periodicidad constante (k)
podemos introducir una homogeneidad que no se da en la población. Imaginemos que estamos
seleccionando una muestra sobre listas de 10 individuos en los que los 5 primeros son varones
y los 5 últimos mujeres, si empleamos un muestreo aleatorio sistemático con k=10 siempre
seleccionaríamos o sólo hombres o sólo mujeres, no podría haber una representación de los
dos sexos.

1.3.- Muestreo aleatorio estratificado: Trata de obviar las dificultades que presentan los
anteriores ya que simplifican los procesos y suelen reducir el error muestral para un tamaño
dado de la muestra. Consiste en considerar categorías típicas diferentes entre sí (estratos)
que poseen gran homogeneidad respecto a alguna característica (se puede estratificar, por
ejemplo, según la profesión, el municipio de residencia, el sexo, el estado civil, etc). Lo
que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de interés
estarán representados adecuadamente en la muestra. Cada estrato funciona independiente-
mente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple o el estratificado para
elegir los elementos concretos que formarán parte de la muestra. En ocasiones las dificultades
que plantean son demasiado grandes, pues exige un conocimiento detallado de la población.
(Tamaño geográfico, sexos, edades,...).

1.4.- Muestreo aleatorio por conglomerados: Los métodos presentados hasta ahora es-
tán pensados para seleccionar directamente los elementos de la población, es decir, que las
unidades muestrales son los elementos de la población. En el muestreo por conglomerados
la unidad muestral es un grupo de elementos de la población que forman una unidad, a la
que llamamos conglomerado. Las unidades hospitalarias, los departamentos universitarios,
56 Capítulo 4. Modelos para la proyección del mercado

una caja de determinado producto, etc, son conglomerados naturales. En otras ocasiones se
pueden utilizar conglomerados no naturales como, por ejemplo, las urnas electorales. Cuando
los conglomerados son áreas geográficas suele hablarse de "muestreo por áreas".

El muestreo por conglomerados consiste en seleccionar aleatoriamente un cierto numero

de conglomerados (el necesario para alcanzar el tamaño muestral establecido) y en investigar
después todos los elementos pertenecientes a los conglomerados elegidos.

1.5 Muestreo polietápico: Para finalizar con esta exposición de los métodos de muestreo
probabilísticos es necesario comentar que ante lo compleja que puede llegar a ser la situación
real de muestreo con la que nos enfrentemos es muy común emplear lo que se denomina
muestreo polietápico. Este tipo de muestreo se caracteriza por operar en sucesivas etapas,
empleando en cada una de ellas el método de muestreo probabilístico más adecuado.

1.6 Muestreo por Rutas Aleatorias

La selección de los miembros de la muestra se realiza como parte del trabajo de campo.
Establecida un área de muestreo, se define un punto de partida, sobre el que se aplica
una ruta predefinida en la que se van seleccionan-do los miembros de la muestra con
arreglo a un procedimiento heurístico.
Busca asegurar una cobertura geográfica de la muestra y/o suplir la falta de censo.
No es aconsejable en planos no lineales o poco homogéneos en manzanas y edificación.

2.- Métodos de muestreo no probabilísticos

A veces, para estudios exploratorios, el muestreo probabilístico resulta excesivamente

costoso y se acude a métodos no probabilísticos, aun siendo conscientes de que no sirven para
realizar generalizaciones, pues no se tiene certeza de que la muestra extraída sea representativa,
ya que no todos los sujetos de la población tienen la misma probabilidad de se elegidos.
En general se seleccionan a los sujetos siguiendo determinados criterios procurando que la
muestra sea representativa.

2.1.- Muestreo por cuotas: También denominado en ocasiones "accidental". Se asienta

generalmente sobre la base de un buen conocimiento de los estratos de la población y/o de los
individuos más "representativos" o "adecuados" para los fines de la investigación. Mantiene,
por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el carácter de
aleatoriedad de aquél.

En este tipo de muestreo se fijan unas "cuotas" que consisten en un número de individuos
que reúnen unas determinadas condiciones, por ejemplo: 20 individuos de 25 a 40 años, de
sexo femenino y residentes en Gijón. Una vez determinada la cuota se eligen los primeros que
se encuentren que cumplan esas características. Este método se utiliza mucho en las encuestas
de opinión.
 4.1 Modelos para la proyección de mercado 57

2.2.- Muestreo opinático o intencional: Este tipo de muestreo se caracteriza por un es-
fuerzo deliberado de obtener muestras "representativas" mediante la inclusión en la muestra
de grupos supuestamente típicos. Es muy frecuente su utilización en sondeos preelectorales de
zonas que en anteriores votaciones han marcado tendencias de voto.

2.3.- Muestreo casual o incidental: Se trata de un proceso en el que el investigador

selecciona directa e intencionadamente los individuos de la población. El caso más frecuente
de este procedimiento el utilizar como muestra los individuos a los que se tiene fácil acceso
(los profesores de universidad emplean con mucha frecuencia a sus propios alumnos). Un caso
particular es el de los voluntarios.

2.4.- Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos
a otros, y así hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente
cuando se hacen estudios con poblaciones "marginales", delincuentes, sectas, determinados
tipos de enfermos, etc.

2.5 Muestreo Discrecional A criterio del investigador los elementos son elegidos sobre
lo que él cree que pueden aportar al estudio. Ej.: muestreo por juicios; cajeros de un banco o
un supermercado; etc.

4.1.6 Cálculo de la muestra

Para realizar el calculo de la muestra existen dos alternativas, que se diferencia en función
al conocimiento o no de la población total objeto de investigación.

I Cuando no se conoce el total de la población o universo. (infinito)

Para encontrar la cantidad de integrantes de la muestra se necesita tener conocimiento de:

(1) Nivel de confianza o seguridad.- es la "probabilidad" de que el intervalo calculado

contenga al verdadero valor del parámetro. Hablamos de nivel de confianza y no de
probabilidad ya que una vez extraída la muestra, el intervalo de confianza contendrá al
verdadero valor del parámetro o no, lo que sabemos es que si repitiésemos el proceso
con muchas muestras podríamos afirmar que el (1-a) % de los intervalos así construidos
contendría al verdadero valor del parámetro.

k = 90 % = 1.645

k = 95 % = 1.96

k = 95.5 % = 2
58 Capítulo 4. Modelos para la proyección del mercado

k = 97.5 % = 2.24

k = 99 % = 2.576

El nivel de confianza establece en alguna medida la longitud del correspondiente intervalo

de confianza. Aumentando el nivel de confianza (mayor certeza), aumenta la longitud (menor
precisión).

(2) Precisión que deseamos para el estudio.- error que se esta dispuesto de admitir en la
precisión de la muestra.

d=

(3) Idea aproximada del parámetro que se desea medir (revisión bibliográfica, estudios
previos)

Si no se tiene información sobre este aspecto se trabaja con el 50 % o sea:

p = 0.5

EJEMPLO:

¿A cuantas personas tendríamos que estudiar para conocer la prevalencia de resfríos en la

facultad?

k = 95 % (queremos tener una seguridad del 95 %)

p = 5 % (proporción únicamente del 5 %)

q = 1- p 1 – 0.5= 0.95

d = 3 % (precisión del 3 %)

Figura 4.2: calculo de la muestra poblaciones infinitas

En conclusión se tendrían que estudiar a un total de 203 personas en toda la facultad para
conocer la prevalencia de resfríos.
4.1 Modelos para la proyección de mercado 59

II Cuando el total de la población es conocida (finita)

Para calcular el tamaño de la muestra se necesita conocer tener todos los datos anteriores
más el tamaño total de la población (N) es decir:

- nivel de confianza (k)

- precisión (d)
- parámetro de medición o proporción (p)
- tamaño de la población total (N)

Ejemplo

¿A cuantas personas tendríamos que estudiar para conocer la prevalencia de resfríos en

la facultad, si conocemos la totalidad de estudiantes de la facultad en un número de 2500
alumnos?

k = 95 % → 1.96 (queremos tener una seguridad del 95 %)

p = 5 % (proporción únicamente del 5 %)

q = 1- p → 1 – 0.05 = 0.95

d = 3 % (precisión del 3 %)

N = 2500 (total de la población)

Figura 4.3: Formula de la muestra para poblaciones finitas

Ejercicios:

Conociendo los siguientes datos expresados en la figura 4.4 correspondiente a la cantidad

de usuarios potenciales del uso de bibliotecas; determinar, el número total de la muestra, la
distribución exacta de encuestas a realizarse en cada una de las facultades, teniendo en cuenta
que se requiere tener un nivel de seguridad del 95.5 %, una precisión del 3 %.

k = 95.5 % → 2 (queremos tener una seguridad del 95 %)

60 Capítulo 4. Modelos para la proyección del mercado

Figura 4.4:

p = 50 % → 0.5 (proporción únicamente del 5 %)

q = 1- p → 1 – 0.5 = 0.5

d = 3 % → 0.03 (precisión del 3 %)

N = 35466 (total de la población)

Determinar tamaño de la muestra:

Distribución porcentual:

Si 35466 → 100 %

33331 → X %

Donde X = (33331*100)/35466 = 93.98 %

 4.2 Apartado: cálculo de la tendencia en excel 61

Determinación del total de encuestas por carrera.

Si 100 % → 1077

93.98 % → X %

Donde X = (93.98 % * 1077)/100 % = 1012 encuestas

Ó 98.93 % corresponde a: 0.9398 * 1077 = 1012 encuestas

4.2 Apartado: cálculo de la tendencia en excel

En este apartado veremos como calcular la tendencia de una serie de datos en planilla de
excel.
Exercise 4.1 Para efectuar el calculo de las diferentes tendencias en base a multiples datos
inicialmente debemos abrir una hoja de excel.
62 Capítulo 4. Modelos para la proyección del mercado

Figura 4.5: distribución de encuestas

A continuación vamos a poner en dos columnas algunas datos que podrían por ejemplo
ser de demanda de un "X" producto entre los años 2004 al 2009.
4.2 Apartado: cálculo de la tendencia en excel 63

Luego vamos a seleccionar las celdas correspondientes a la demanda que necesitamos

proyectar o en su defecto podría ser las que corresponden a datos de la oferta.

Vamos a seleccionar en el menú principal la pestaña de "insertar" y a continuación la

opción "gráficos recomendados" y finalmente "gráficos de dispersión"
64 Capítulo 4. Modelos para la proyección del mercado

Posteriormente vamos a hacer un clic derecho sobre la linea de los datos para que se
despliegue un nuevo cuadro de diálogo; en donde seleccionaremos la instrucción "agregar
línea de tendencia"

En este nuevo cuadro de diálogo inicialmente tenemos opciones sobre los tipos de
regresión, entre estos por ejemplo, la exponencial, la lineal, logaritmita, etc.
4.2 Apartado: cálculo de la tendencia en excel 65

A continuación, desplazando mas el menú encontramos la opción "extrapolar" que

nos permite extender cuantos periodos queramos hacia adelante o hacia atrás como nos
convenga, cave hacer la aclaración que solamente es de manera gráfica.

Abajo de esta opción encontramos tres casillas de las cuales debemos asegurarnos de
seleccionar las dos ultimas; "Presentar la ecuación en el gráfico" y "presentar el valor de R
cuadrado en el gráfico"

Debemos seleccionar el tipo de regresión que tenga el mas alto valor de R2 porque éste
explica de mejor manera el comportamiento de los datos y la regresión que buscamos. La
66 Capítulo 4. Modelos para la proyección del mercado

ecuación la usamos para sustituir en esta los valores de oferta o demanda que deseamos
proyectar en el mercado como datos desconocidos.