ANALISIS ECONOMICO Y FINANCIERO

PARA INGENIEROS

UNIDAD 1: La empresa frente a la demanda y la

oferta del mercado
Conferencia 6: Estimación de la Demanda.

Instructor: Israel M. Zamora,

MBA & MS Telecom Management
Profesor Titular, Departamento de Sistemas Digitales y Telecomunicaciones.
Universidad Nacional de Ingeniería
 Objetivos

• Comprender el concepto e importancia de la

estimación de la demanda para la empresa.

• Aplicar técnicas básicas de regresión lineal para la

estimación de la función de la demanda.

I. Zamora 2 Estimación de la Demanda.

 Outline
 La estimación de la demanda
 Introducción
 Estimación vs. Pronóstico de la demanda
 Estimación de la demanda
 Técnicas de Estimación de la Demanda
 Modelos de extrapolación
 Análisis de Regresión
 El coeficiente de correlación y de determinación
 El método de regresión
 El método de regresión lineal simple

I. Zamora 3 Estimación de la Demanda.

 Introducción

¿Qué pasó a Nokia?

Nokia
Los gerentes de Nokia habría estado mejor si hubiesen sido capaz de pronosticar el
desplazamiento de sus consumidores dejando los teléfonos celulares hacia los teléfonos
inteligentes.

I. Zamora 5 Estimación de la Demanda.

 Introducción

¿Qué pasó a Sony/Nintendo?

Sony/Nintendo
Los gerentes de Sony y Nintendo se enteraron tarde que los consumidores se están
moviendo dejando los juegos para consolas a juegos que se desarrollan con
disponibilidad en el Internet y realidad virtual.

I. Zamora 5 Estimación de la Demanda.

 Introducción

¿Qué necesitan saber los gerentes?

• ¿Qué es lo que hace que los consumidores estén dispuestos a pagar por un
producto y servicio en particular?
• ¿Cómo podemos producir un bien o servicio que nos permita vender lo suficiente
a un cierto precio para recibir un rendimiento aceptable sobre nuestra inversión?
• ¿Qué impacto tiene la publicidad sobre las ventas?
• ¿Podemos esperar que diferentes segmentos del mercado (es decir, por región,
nivel de ingresos, categoría ocupacional) reaccionen de formas diferentes a
nuestros esfuerzos de marketing?

Los directores de una empresa necesitan conocer la

verdadera relación cuantitativa entre la demanda y los
factores que la afectan.
I. Zamora 5 Estimación de la Demanda.
 Estimación vs. Pronóstico de la demanda

Estimación de la demanda
El objetivo es cuantificar los vínculos o relaciones
entre el nivel de demanda y las variables que la
determinan.
• Ej: un gerente que desea saber como la política de
precio de la empresa puede ser usada para generar un
incremento en la demanda usaría una técnica de
estimación.

Pronóstico de la demanda
El objetivo es predecir el nivel global de la
demanda futura en lugar de buscar vínculos
específicos.
• Ej: un gerente que desea saber que tan alta
probablemente será la demanda en un plazo de dos
años, podría usar una técnica para pronósticos.

I. Zamora 5 Estimación de la Demanda.

 Estimación vs. Pronóstico de la demanda

En general, una técnica de estimación

El conjunto técnicas que se
puede ser usada para pronosticar
usan pueden ser distintas,
demanda, pero una técnica para
aunque habrá cierto
pronosticar no puede usarse para
solapamiento entre las dos.
estimar demanda.

Pronóstico de la demanda…
… se basa en la estimación de la
demanda real
estimación de demanda

Surveys a consumidores
Algunas técnicas de

Grupos focales

Estimación Pronóstico
Experimentos de mercado de demanda de demanda

Técnicas estadísticas

I. Zamora 5 Estimación de la Demanda.

 Modelos de extrapolación
Modelos estadístico de extrapolación
 Se basan en la observación de tendencias regulares en el pasado y en la hipótesis de que se
mantendrán en el futuro.
Ventas
(Vt )
Ventas
  Vt  Vˆt ió n
(Vt )
ac
ra pol
Ext


Vˆt      t
Ex
t ra
po
la
ci
ón
   tan 

Pasado Futuro
Pasado Futuro
Momentos del
Momentos del tiempo (t)
tiempo (t) Momento
Momento actual
actual

En las figuras arriba, se recogen ejemplos de extrapolación para el caso de las ventas de una empresa. En la figura de
la izquierda, las ventas varían de forma aproximadamente lineal en el tiempo, por tanto, los valores de esta variable,
particularmente a futuro, pueden ser representados por una función lineal, con las ventas (Vt) como variable
dependiente y el tiempo (t) como variable independiente. Los parámetros  y  son llamados coeficientes de regresión
para la representación lineal de las ventas estimadas sería, para el periodo t, y matemáticamente podemos escribir:

Vˆt      t En realidad, el valor real de las ventas para un instante t es: Vt      t   t

Donde  es el error de estimación. La figura de la derecha muestra una relación cíclica mas compleja que
requiere otro tipo de relación.
I. Zamora 7 Estimación de la Demanda.
 Modelos de extrapolación

En general, se debe señalar que la ecuación de regresión Y

depende de la forma que se comporte la variable

dependiente respecto a la variable independiente. En las Yˆt  X 
figuras de la lámina se han recogido diversos ejemplos α  0
alternativos, donde se utiliza X para la variable 
0  β  1
independiente e Y para la variable dependiente.
Crecimiento potencial hiperbólico o parabólico

X
Y

Yˆt     log X
,   0
Yˆt     t

Crecimiento logarítmico Yˆt     t

X
Crecimiento exponencial
Y
X

1
Yˆt    

t

Crecimiento exponencial inverso

I. Zamora 8 Estimación de la Demanda.

 Análisis de Regresión
Análisis de Regresión Tipos de Modelos de Regresión
 El procedimiento comúnmente empleado por los
 Regresión lineal
economistas para estimar la demanda de consumo es el  Simple
análisis de regresión.  Múltiple
 Persigue estimar la relación cuantitativa entre las  Regresión no lineal
variables que impactan en la demanda.  Polinomial
 Exponencial
 Todas las variables que se cree que tienen un impacto  Logarítmica, etc.
en la demanda deben incluirse en la regresión, o al
menos, las que hayan datos disponibles y cuyo costo lo
permita.

 Otras aplicaciones:
 Estimación de funciones de producción
 Estimación de funciones de costo (vea capítulos
 Estudios de macroeconómica del consumo, inversión,
comercio internacional y tasas de interés.

I. Zamora 9 Estimación de la Demanda.

 Análisis de Regresión
Coeficiente de Correlación (R)
 Es una medida estadística que permite analizar la intensidad de la relación entre dos
variables medidas en un nivel por intervalos, donde R mide el grado de asociación lineal
entre dos variables.
 Si dos variables aumentan o decrecen juntas, entonces tienen correlación positiva.
 Si incrementos en una variable están asociados a decrecimientos en la otra, entonces tienen
correlación negativa.
 El valor de este coeficiente se encuentra en el rango -1.0 < R < +1.0
 R → +1.0 ó -1.0: correlación fuerte (positiva o negativa).
 R→ 0.0: correlación débil.

R → +1.0

R → 0.0

La Correlación no considera a una como independiente y a otra como dependiente, ya que no se trata de
una prueba que evalúa causalidad. La correlación no implica causalidad.
I. Zamora 10 Estimación de la Demanda.
 Análisis de Regresión

Diagramas de Dispersión y el coeficiente de correlación

Relación entre la regresión y

R → 0.0
R → +1.0 R → -1.0 correlación
Entre mayor sea la correlación (fuerte)
mas sencillo y precisa es la regresión.
Cuando la correlación se acerca a
cero (débil) se vuelve imposible
obtener una regresión.

I. Zamora 11 Estimación de la Demanda.

 Análisis de Regresión
Coeficiente de Correlación (R) – continuación…

Aunque los diagramas de

dispersion son muy
informativos, necesitamos
encontrar alguna figura
numérica para valorar el
grado (intensidad) de la
correlación entre dos
variables.

Para un tamaño de muestras n, el coeficiente de correlación Rxy para las variables x e y,

puede calcularse por:

1 xi  x  yi  y  n 1 xi yi  1 xi  1 yi
n n n n
S xy
Rxy   
Sx  S y n

1 i x  x 2

n

1 i y  y 2
n x 
n
1
2
i  x  
n
1 i
2
n 1 y 
n 2
i  y 
1
n
i
2

Donde 𝒙 e 𝒚 son los valores medios de 𝒙 e 𝒚 en la muestra y S representa la versión

sesgada de la “desviación estándar”. La covarianza entre 𝒙 e 𝒚, S 𝒙𝒚, muestra cuanto
cambian 𝒙 e 𝒚 juntas.
I. Zamora 12 Estimación de la Demanda.
 Análisis de Regresión

Coeficiente de Determinación (R2)

 Indica el porcentaje de la variación de una variable debido a la variación de la otra y
viceversa. En términos estadísticos, indica la proporción de la varianza en una variable
que es predecible o explicada a partir de otra variable.
 Conceptualmente, el coeficiente de determinación es distinto al coeficiente de correlación,
pero matemáticamente tienen una relación directa:
 Coeficiente de determinación = (Coeficiente de correlación) 2
 Este parámetro estadístico solo toma valores positivos:
 El valor de este coeficiente se encuentra en el rango 0.0 < R 2 < +1.0
 R → +1.0 predicción en la varianza de la variable independiente es mayor.
 R→ 0.0: predicción se dificulta.

Para un tamaño de muestras n, el coeficiente de determinación R2xy para las variables x e y,

puede calcularse por:

2 S
R  2 2 
2
xy
 x  x y  y 
n
1 i i
2


n x y   x   y 
n
1 i i
n
1 i
n
1 i
2

1 xi  x 2  1  yi  y 2 n x   x   n  
xy n n 2 2
Sx  S y 
      
n 2 n n 2 n
i   y
i  y i i
 1 1 1 1

I. Zamora 13 Estimación de la Demanda.

 Análisis de Regresión

Regresión lineal Simple

Regresión lineal o ajuste lineal es un método matemático que modela la relación entre una
variable independiente y una dependiente como una línea de tendencia recta. La regresión
se utiliza para predecir una medida basándonos en el conocimiento de otra. Esta relación se
expresa como la siguiente ecuación matemática:

yˆ    xˆ  y  Parámetros o
Valores estimados Coeficientes de la
ecuación de regresión.
y    x  
Valores estimados

Las figuras (a) y (b) muestran

gráficas de dispersion de datos
hipotéticos para Y y X. En (a), dada
tal dispersion podría trazarse
cualquier número de rectas,
mientras en (b) el número tiende a
ser muy pequeño.

(a) (b)

I. Zamora 16 Estimación de la Demanda.

 Análisis de Regresión

Determinación de la pendiente (β) y el intercepto en “y” (α)

Aplicando la técnica de minimización obtenemos que:

Resolviendo el sistema
 i  yi  yˆ i 
2

 2i  yi    xi   0 de ecuaciones tenemos

 que:
 i  yi  yˆ i 
2

 2i xi  yi     xi   0 
 x  x y  y 
i i i

 x  x 
i i
2

Desde un punto de vista computacional se utiliza la

siguiente fórmula
1
y
n
 y
i i
ni xi yi  i xi i yi

ni xi2   x 
i i
2
1
x  i xi
n
  y  x

I. Zamora Estimación de la Demanda.

18
 Análisis de Regresión usando Excel

Ilustración de aplicación del método

Maxus Sales Corporation está en el negocio de vender laptops. Ellos se enteraron de la
ventaja de pronosticar muy temprano en su negocio. También se enteraron que a efecto de
realizar un pronostico efectivo, necesitan mantener registro de sus números de ventas
actuales y pasados. Actualmente, ellos están en el proceso de pronosticar los números de
sus ventas para cada trimestre del año entrante. A este fin, ellos han jalado sus números de
ventas para los últimos 12 trimestres. Estos números son los siguientes:

Use el método de regresión

lineal simple (mínimos
cuadrados) en excel
(manual y mediante las
funciones estadísticas) para
pronosticar para los
próximos 4 trimestres.

I. Zamora Estimación de la Demanda.

19
 Análisis de Regresión usando Excel
Ilustración de aplicación del método manual

Gráfica de los valores reales de los previos 12

trimestres (azul) y los valores aproximados
(rojo vino) por la función lineal obtenida para
la regresión lineal simple:

yˆ  441.67  359.62xˆ
nixi yi  ixi i yi 12(268,200)  (78)(33,350) El pronóstico para los trimestres 13, 14, 15 y
b   359.62 16, se obtendrían de esta función línea,
nixi2  x 
i i
2
12(650)  (78) 2 dándole esos valores a la variable x.

  y  x  2,779 (359.62)(7)  441.67

I. Zamora Estimación de la Demanda.

19
 Análisis de Regresión
Aplicando funciones
Haga click en el tab “Datos”, “Análisis de datos”, y luego seleccione “Regresión”
estadísticas de Excel

I. Zamora Estimación de la Demanda.

22
 Análisis de Regresión

En la caja de dialogo ingresa los datos de entrada para la variable Y e X, y las opciones que se
muestran.

Note que los rangos incluyen

las celdas con los
encabezados.

I. Zamora 23 Estimación de la Demanda.

 Análisis de Regresión

Obtenemos todos los datos estadísticos de interés y otros más.

yˆ  441.67  359.62 xˆ
I. Zamora 24 Estimación de la Demanda.
 Humor

I. Zamora 39 Estimación de la Demanda.

 Resumen

En esta conferencia estudiamos:

 La estimación de la demanda es un proceso indispensable para toda

empresa que desea modelar el comportamiento de la demanda con base
en las variables inductoras que pueda reconocer.
 La estimación de demanda es base fundamental para el pronóstico de la
demanda.
 Las técnicas que estimación suelen también ser útiles en el pronóstico de
la demanda, pero no lo contrario.
 Existen métodos cualitativos y cuantitativos de estimación de la demanda,
y en la práctica resultan complementarios.
 Los modelos básicos para estimar el comportamiento de la demanda,
particularmente los métodos de extrapolación como la regresión lineal
simple. Este método también es considerado un método explicativo.

I. Zamora 40 Estimación de la Demanda.

 Lectura sugerida

Economía de la Empresa, 4ta Edición. (Paul Keat, Phillips

Young).

Capítulo 5: Páginas: 166 – 183.

Microeconomía. Enfoque de Negocios.

Capítulo 5: Páginas 108 - 131

https://www.ingenioempresa.com/regresion-lineal/
https://www.gestiondeoperaciones.net/proyeccion-de-demanda/como-utilizar-una-
regresion-lineal-para-realizar-un-pronostico-de-demanda/
https://www.youtube.com/watch?v=XyMcJ5M2qqQ
https://www.youtube.com/watch?v=4PiiSUxcalg
https://www.youtube.com/watch?v=RtueOQNDlg4

I. Zamora 41 Estimación de la Demanda.