Professional Documents
Culture Documents
n
d
e
l
a
p
r
o
d
u
c
c
i
n
R
e
q
u
e
r
i
m
i
e
n
t
o
d
e
m
a
t
e
r
i
a
l
I
n
v
e
n
t
a
r
i
o
s
Ventas
A
g
r
e
g
a
d
o
s
a
c
o
r
t
o
p
l
a
z
o
A
g
r
e
g
a
d
o
s
a
m
e
d
i
a
n
o
p
l
a
z
o
A
g
r
e
g
a
d
o
s
a
l
a
r
g
o
p
l
a
z
o
D
e
s
a
g
r
e
g
a
d
o
s
a
c
o
r
t
o
p
l
a
z
o
D
e
s
a
g
r
e
g
a
d
o
s
a
m
e
d
i
a
n
o
p
l
a
z
o
D
e
s
a
g
r
e
g
a
d
o
s
a
l
a
r
g
o
p
l
a
z
o
P
r
e
s
u
p
u
e
s
t
a
c
i
n
a
n
u
a
l
P
r
o
d
u
c
t
o
s
n
u
e
v
o
s
C
u
a
n
t
i
t
a
t
i
v
o
s
Enfoque grfico x x x x x
S
e
r
i
e
s
d
e
t
i
e
m
p
o
Mtodo ingenuo x x x x
Promedio Simple x x x x x x
Promedio mvil x x x x
Promedio mvil lineal x x x x
Suavizacin
exponencial simple
x x x x
Suavizacin
exponencial doble
x x x x x x x
Descomposicin de
series de tiempo
x x x x x
Promedio mvil autor
regresivo
x x x
Mtodos
explicativos
Regresin simple x x x x
Regresin mltiple x x x x
rboles de decisin x
C
u
a
l
i
t
a
t
i
v
o
s
Mtodo Delphi x x x x
Estimacin de la fuerza de ventas
x x x x x
Pronsticos de nuevos productos x
Investigacin de mercados x x x x
Basados en: Spyros Makridakis, Tcnicas de pronsticos
F
i
j
a
c
i
n
d
e
p
r
e
c
i
o
s
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
148
3.4.3 Clasificacin de los pronsticos por horizonte de tiempo La segunda
caracterstica para clasificar un pronstico es el horizonte de tiempo para el
cual se va a predecir, es decir, el nmero de periodos o etapas para los cuales
se elabora el pronstico. Considerando esta clasificacin los pronsticos se
dividen en:
Pronsticos de largo plazo (dos aos o ms)
Pronstico de mediano plazo o plazo intermedio (ms de tres meses
y menos de dos aos)
Pronsticos de corto plazo (uno a tres meses)
Pronstico de plazo inmediato (de un segundo a un mes)
Por ejemplo si contamos con la informacin de ventas anuales de una
firma de 1977 a 2003 y queremos pronosticar sus ventas para el 2006, se
trata de un pronstico a largo plazo en tres etapas, esto es, primero,
tenemos que pronosticar las ventas para el 2004, luego, para el 2005 y,
finalmente, las ventas para el 2006. En contraste, si contamos con la
informacin de la produccin promedio en piezas por hora, de
determinada lnea de produccin de una empresa refresquera, y
queremos estimar la produccin de las prximas ocho horas
mantenindose todo lo dems constante, se trata de un pronstico de
plazo inmediato en ocho etapas.
Ms an, si queremos pronosticar la cantidad de llamadas en los siguientes
10 minutos de una firma de telecomunicaciones y contamos con suficiente
informacin histrica, entonces se nos presenta un caso pronstico de
plazo inmediato en 10 etapas. El significado de una etapa depende de la
frecuencia de observacin de los datos.
Para los datos registrados cada minuto, una etapa es un minuto, para los
datos cada hora una etapa es una hora, la informacin con datos cada
semana, una etapa es una semana, y as sucesivamente.
En general, se elaboran pronsticos de h etapas a futuro. La eleccin de
h depende del caso particular a pronosticar, del alcance del pronstico y
del juicio de quien pronostica.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
147
Frecuentemente la industria manufacturera se prepara pronsticos
por artculo cada mes con un horizonte de dos o tres meses para fines de la
produccin de la planeacin.
Del mismo modo, se elaboran pronsticos mensuales con horizonte a 12
meses, para preparar presupuestos y cuotas de ventas, para fines de
compensacin o plan de incentivos, llamados comnmente presupuesto
anual o cuota anual.
3.5 Aplicacin de los diferentes horizontes de pronsticos
Los pronsticos de largo plazo se necesitan en aspectos de
prediccin de ventas, presupuestos, capacidad de planta,
estimacin de la produccin, compra de equipo o maquinaria,
planeacin de inversiones, proyeccin de tipos de cambio,
estimacin del PIB, tasa de natalidad. El objetivo general es
proyectar escenarios, para la planeacin estratgica del negocio en
muchos sentidos.
Los pronsticos de medio plazo se elaboran, por ejemplo, para la
proyeccin de consumos, personal, presupuestos y cuotas anuales,
rentas o eliminacin de bodegas, compra o renta de unidades de
carga, estrategias por regin, fijacin de precios, etctera. La
adquisicin de algunos bienes no es inmediata y necesitan cierto
tiempo para realizarse, por lo que es preciso planear
adecuadamente, y para eso es preciso tener un pronstico de
necesidades.
Los pronsticos de corto plazo generalmente se realizan para la
programacin de la produccin, distribucin, requerimientos de
material, inventarios, evaluacin de desempeo, etc.
Los pronsticos de plazo inmediato se requieren en casos muy
especficos, y en firmas con una operatividad muy dinmica, con el
fin de estudiar detalladamente y en un horizonte muy pequeo, el
patrn subyacente de la serie que se pronostica. Por ejemplo, este
tipo de pronsticos es aplicable en la industria de
telecomunicaciones, refresquera, electrnica, de servicios elctricos,
y de comida rpida, que de alguna manera realizan operaciones de
manufactura.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
148
Tabla 2. Clasificacin de pronsticos por horizonte de tiempo
CLASIFICACIN DE PRONOSTICOS POR SU HORIZONTE DE TIEMPO
Horizonte Decisiones
Mtodos de
pronsticos
Requisitos Caractersticas
Largo plazo
Proyeccin de
escenarios
Cuantitativo
cualitativo
Calidad de datos
suficientes puntos
mustrales
Entorno e
influencias
externas Niveles
agregados
Proyeccin de
escenarios
Planeacin financiera
Mediano plazo
Presupuestos o cuotas
Cuantitativo
cualitativo
Calidad de datos
Datos histricos
internos
Mensuales
Niveles agregados
y desagregados
Compras de materia
prima
Inventarios
Contratacin del
personal
Corto plazo
Medidas correctivas
Cuantitativo
cualitativo
Datos internos
semanales o
diarios
Anlisis mensual a
nivel detalle
Evaluacin de la
certeza
Evaluacin de
desempeo
Programacin de la
produccin
Trfico
Requerimientos de
material
Plazo inmediato
Evaluacin del
desempeo semanal,
diario, o en horas
Cuantitativo
Datos internos en
semanas, das,
horas, minutos o
segundos
Anlisis continuo a
nivel detalle
Evaluacin de la
certeza
Evaluacin de
desempeo
Programacin de la
produccin
Detalles para la
distribucin
Monitoreo continuo de
la demanda
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
147
3.6 Niveles de pronstico
Como explicamos anteriormente, un pronstico tambin se clasifica por su
detalle, es decir, si va de lo particular a lo general, de lo agregado a lo
desagregado. Para una firma esto es muy importante para su planeacin
operativa a nivel detalle. Por ejemplo, un afirma comercializadora necesita
conocer el pronstico de venta individual de cada producto en particular
(pronstico desagregado), as mismo, tiene que estimar: cmo, dnde y
cundo se requerir dicho producto. Y tambin desear conocer un
estimado de lo que vender en total de todos los productos (pronstico
agregado), la conciliacin del presupuesto debe cuadrar y obtener el
mismo dato, si lo analizamos de lo general a lo particular o viceversa.
Tpicamente la dimensin de un pronstico se define en tres:
1. Producto.
2. Geografa.
3. Tiempo.
Dimensin de un pronstico
Pro ducto
De esta manera se define una unidad de tiempo de pronstico de venta
G
eo
gr
af
a
Figura 1 . Dimensin de un pronstico.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
148
(UPV), la cual representa el pronstico de venta de un artculo en
una zona geogrfica de terminada, y en un tiempo especfico. Lo anterior
nos deja claro que existen niveles de pronsticos que simulan un cubo, el
cual puede tener ms dimensiones como destinos, sucursales, vendedores,
etctera, y lo podramos llamar cubo de demanda. Hoy da con la
tecnologa de informacin es posible tener interface entre los sistemas de
pronsticos y los sistemas On Line Analytical Processing (OLAP) que incluya
la minera de datos (data Mining)). Un ejemplo ms complejo de un plan
de pronsticos de ventas es el que se muestra en la figura siguiente.
Figura 2 .
Niveles de un pronstico de ventas.
Grupo
Divisin
Zona
Bodega
Representante
Cliente/consignatario
Producto (SKU)
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
147
1.7 Jerarqua de metas de los pronsticos
Los pronsticos, como observamos, tienen diferentes caractersticas,
algunas de las metas de estos tipos de pronsticos, son muy importantes de
las corporaciones, en el siguiente cuadro se presentan las metas
jerrquicamente, as como las funciones y decisiones ms importantes en
cada etapa y horizonte del proceso de prediccin.
Tabla 3. Jerarqua de metas, decisiones y funciones de los pronsticos.
JERARQUA DE METAS, DECISIONES Y FUNCIONES DE LOS PRONSTICOS
Objetivos
administrativos
Horizonte de
pronsticos
Jerarqua de
decisiones
Decisiones tpicas de
manufactura
Planeacin de
metas de la
corporacin
Un ao en
adelante. En aos,
semestres o
trimestres
Planeacin
estratgica
Planeacin: metas de
rentabilidad, calidad,
participacin de mercado
servicio al cliente,
capacidad de planta,
compra de equipo
Administrar la
adquisicin de
recursos para
cumplir metas
Tres meses a un ao
o semanas
Planeacin
administrativa
Administracin: finanzas,
mercadotecnia, ventas,
tamao, localizacin de
instalaciones, produccin,
agregada y desagregada
Administrar
efectiva y
eficientemente
la asignacin de
recursos
Un mes a tres
meses. En meses o
semanas
Planeacin y
control operativo
Administracin y control:
programacin de
produccin, distribucin,
requerimientos de
materiales, indicadores de
desempeo
Control diario
operativo
Un da un mes
Proceso de
transacciones
Control: de produccin,
compras, pedidos, trfico.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
148
1.8 Fundamentos de pronsticos
Existen ciertos fundamentos en la disciplina de pronosticar, dentro de los
cuales pueden mencionarse los siguientes:
Rara vez se cumple el 100% ( la probabilidad de que un pronstico se
igual al valor real futuro es cero)
No sustituyen a la realidad (los pronsticos son una proyeccin de la
realidad).
Deben revisarse y recalcularse frecuentemente (debe incorporarse la
informacin reciente dependiendo de las necesidades de
pronstico).
La probabilidad de acertar aumenta si se combinan tcnicas.
Son ms precisos en el corto plazo (entre mayor horizonte, mayor
incertidumbre).
Son ms precisos por grupos de manera global.
Deben incluir un estimado de error. Lo que nos determina qu tan
confiable es un mtodo de pronstico, ya que se estima qu tanto
variar el valor real del valor estimado.
Un buen pronstico debe ser un estimado probabilstico de un valor
futuro que incluye media, rango un una inferencia de probabilidad. Por
ejemplo. Las ventas esperadas del prximo mes sern de 400 unidades
con un 95% de probabilidad de que estn entre 360 y 550 unidades
3.9 Alcances y limitaciones de los modelos de prediccin
Algunos elementos pueden afectar el desempeo de los modelos de
prediccin, sobre todo en la industria de bienes y servicios. Por ejemplo,
un supuesto importante para pronosticar certeramente las ventas de
una firma es que las variables una vez identificadas permanezcan
constantes. Por tanto, cuanta ms elstica es la demanda, menos
precisos sern los pronsticos. As, los artculos de primera necesidad son
muchos ms fciles de calcular exitosamente, mientras que los
productos tecnolgicos resultan problemticos.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
147
De todas las herramientas y mtodos para pronosticar ventas no
existe evidencia emprica ni cientfica que demuestre que alguno
funcione mejor que otro. La mejor eleccin depender de muchos
factores: observaciones histricas de ventas, giro de la firma, producto a
pronosticar, nivel del pronstico, horizonte, competencia, estrategia de
precios, criterio y juicio del pronosticador.
Algunos otros factores contribuyen a que la aplicacin de las tcnicas
de pronsticos no alcance grandes dimensiones y popularidad entre las
empresas, entre estos factores tenemos: la falta de conocimiento y
difusin de las tcnicas, la poca exactitud reportada, su aplicacin
incorrecta, la nula cultura corporativa de este proceso, y objetivos no
alineados de las reas funcionales de las firmas.
La base para una prediccin exitosa est determinada, en gran
medida, por la metodologa, la variabilidad de las relaciones internas y
por la cantidad de personas que participan en su elaboracin. Porque,
sobra decirlo, los pronsticos rara vez son exactos. En vez de ello,
podemos disponer de diferentes vas y obtener un vaticinio subptimo
con la ponderacin de los resultados individuales, este punto tiene que
ver con el tema de mtodos de combinacin de pronsticos, ste es un
concepto importante a la hora de aplicar las tcnicas de prediccin.
3.10 Modelos para pronosticar
3.10.1 Mtodo grfico
Lo primero que demos hacer al realizar un pronstico tcnico es graficar los
puntos mustrales, observaciones o datos histricos.
Esta grfica nos servir de mucho, comenzando por inferir un pronstico
rpido y prctico, as como utilizarla de punto de partida, para decidir que
otro mtodo de prediccin ms estructurado y preciso podemos utilizar.
Por tanto siempre es bueno comenzar un pronstico con un anlisis grfico
que nos proporcione un conocimiento general del comportamiento de
una serie. Este mtodo es sencillo, directo y capaz de proporcionar una
idea global, esto no quiere decir que se obtendr un trabajo serio slo con
una grfica. Observando la siguiente figura no es difcil inferir para que el
periodo 5 se espera un crecimiento en las ventas, similar al periodo 3 al 4.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
148
Tabla 4. Mtodo grfico.
Mtodo grfico
Ventas 100 200 300 400 500
Tiempo 1 2 3 4 5
3.10.2 Mtodo cndido o ingenuo
Los mtodos de pronsticos fueron desarrollndose y perfeccionando a
prueba y error; de esta manera las tcnicas ms refinadas y complejas
tienen su origen en los mtodos ms sencillos. Un ejemplo de estas tcnicas
lo construye el mtodo cndido o ingenuo. La metodologa de esta
tcnica para el caso de pronosticar ventas, es tomar como pronstico de
ventas para el siguiente periodo las ventas reales que se registraron en el
periodo inmediato anterior, de ah el nombre de lo ingenuo. Desde luego
que no se toman en cuenta patrones de estacionalidad o el componente
cclico, por lo que el pronstico es incompleto en anlisis y metodologa.
Tabla 1. Mtodo ingenuo.
Periodo 1 2 3 4 5 6 7 8 9 10 11 12
Ventas 125 132 155 135 152 147 140 154 153 177 179
Pronstico 125 132 155 135 152 147 140 154 153 177 179
Error 7 23 -20 17 -5 -7 14 -1 24 2
Figura 3 .
Mtodo grfico.
0
100
200
300
400
500
600
1 2 3 4 5
Ventas
Ventas
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
147
Para comprender la tcnica, supongamos que una empresa ha
registrado ventas en millones de unidades en periodos de un mes, como
lo muestra la tabla 5 y figura 4, el periodo 1 representa enero, el periodo
2 febrero y as sucesivamente. En el ejemplo, en enero se present una
venta de 125 millones de unidades; aplicando el mtodo ingenuo
tomaramos este nmero como pronstico para febrero; sin embargo,
una vez que se registra la venta real de febrero observamos que fue de
132 millones, es decir, se tuvo una diferencia de 7 millones, comparando
el pronstico contra el valor real, a esta diferencia le podemos llamar
error en el pronstico (valor real- pronstico). De esta manera siguiendo
con la misma serie, se estima que para el mes 12 (diciembre) se
vendern 179 millones de unidades.
Desconocemos el error del pronstico, considerando que en nuestro
ejemplo an no transcurre este mes. Este mtodo puede ser til para
series con tendencia horizontal (sin mucha variabilidad y nula
estacionalidad), pero es claro que tienen deficiencias considerables, las
Figura 4 .
Mtodo o ingenuo.
0
20
40
60
80
100
120
140
160
180
200
1 2 3 4 5 6 7 8 9 10 11 12
Mtodo ingenuo
Ventas Pronstico Lineal (Pronstico)
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
148
cuales se detectarn y perfeccionarn con el desarrollo de los
mtodos que presentaremos ms adelante.
3.10.2.1 Ejercicio Mtodo cndido o ingenuo
Elabora el cuadro de pronstico y grfica utilizando la metodologa de
cndido o ingenuo.
Tabla 6. Ejercicio del mtodo ingenuo.
Periodo 1 2 3 4 5 6 7 8 9 10 11 12
Ventas 130 140 150 135 145 158 160 170 180 188 195
Pronstico
Error
Figura 1. Grfica del ejercicio del mtodo ingenuo.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
147
3.10.3 Promedio simple
Es comn en diversos mbitos, as como en la prctica, pronosticar con un
simple promedio; gran parte de los ejecutivos estiman as lo que vendern
en periodos venideros. No es un error pronosticar con este mtodo, es
cuestin de enfoques y necesidades. Un promedio simple es bueno para
pronosticar de manera agregada y tomar decisiones rpidas, pero no muy
trascendentes. Para apreciar la necesidad de pronosticar de manera
sencilla, pero tcnica, analicemos cmo usamos un promedio simple para
este fin. Supongamos la serie de ventas del ejemplo anterior.
Tabla 7. Mtodo de promedio simple.
Periodo 1 2 3 4 5 6 7 8 9 10 11 12
Ventas 125 132 155 135 152 147 140 154 153 177 179
Nueva
serie 125 129 137 137 140 141 141 143 144 147 150
Pronstico 125 129 137 137 140 141 141 143 144 147 150
Error 4 18 -2 12 6 -1 12 9 30 29
Error
absoluto 4 18 2 12 6 1 12 9 30 29
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
148
En esta serie de ventas se presenta lo que podramos llamar un patrn
horizontal, ya que no se observa una tendencia pronunciada, pero la
fluctuacin que es sustancial. El valor menor es de 125, mientras que el
mayor es de 179, habiendo una diferencia de 54 unidades.
Para eliminar la fluctuacin o variabilidad, es posible considerar la serie
que hubiera resultado si desde el principio hubiramos promediado los
valores que se llevaran hasta el momento, es decir, el pronstico para
febrero (periodo 2) sera la venta real del periodo inmediato anterior
(125), para marzo (periodo 3) el pronstico es de 129, que resulta del
promedio de 125 y 132, quedando la serie del pronstico como se
muestra en la figura anterior concluyendo que el pronstico para
diciembre (periodo 12) es de 150 unidades.
La nueva serie es ms suave que la original, hemos eliminado la
aleatoriedad; los valores van de 125 hasta 150, con una diferencia de
25.
Figura 6 . Mtodo de promedio simple.
0
20
40
60
80
100
120
140
160
180
200
1 2 3 4 5 6 7 8 9 10 11 12
Mtodo de promedio simple
Ventas Pronstico Lineal (Ventas)
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
147
En el ejemplo anterior hemos construido un modelo y remplazado la
serie original por una que es:
Menos variable.
Ms fcil de pronosticar.
El ruido que filtramos sigue presente, pero en menor grado.
El mtodo de pronstico usa la informacin que se tiene hasta el
momento
3.10.3.1 Ejercicio Mtodo Promedio Simple
Elabora el cuadro de pronstico y grfica utilizando la metodologa de
promedio simple.
Tabla 8. Ejercicio del mtodo de promedio simple
Periodo 1 2 3 4 5 6 7 8 9 10 11 12
Ventas 130 140 150 135 145 158 160 170 180 188 195
Nueva serie
Pronstico
Error
Error
absoluto
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
148
Figura 2. Grfica del ejercicio del mtodo simple
3.10.4 Promedio mvil
En el mtodo de promedio simple, que se analiz en la seccin anterior,
mientras ms grande sea la serie de datos histricos, la importancia de
cada termino en particular disminuye notablemente, esto quiere decir
que el valor que observamos en el periodo t va teniendo menos
importancia por el pronstico, mientras ms pasa el tiempo los valores
previos (valores histricos) pierden importancia para el mtodo de
promedio simple.
El problema anterior se remedia con el promedio mvil, que consiste en
promediar slo las ltimas observaciones para cada punto muestral de
la nueva serie; conforme avanza el tiempo dejamos fuera del promedio
a los datos ms viejos y vamos incorporando datos nuevos, recorriendo
los datos que tomamos para obtener un promedio, por eso recibe el
nombre de promedio mvil.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
147
Un promedio mvil tiene un parmetro que se llama amplitud del
promedio, el cual representa el nmero de datos que debemos
considerar en el promedio y a ste se le denomina orden.
Si el valor de este parmetro que se llama amplitud del promedio, el
cual representa el nmero de datos que debemos de considerar en el
promedio y a este se le denomina orden.
Si el valor de este parmetro es grande, el suavizados es mayor, si es
pequeo el suavizador es menor. Utilicemos una vez ms el ejemplo con
el que iniciamos este captulo.
Tabla 9. Promedio mvil.
Periodo 1 2 3 4 5 6 7 8 9 10 11 12
Ventas 125 132 155 135 152 147 140 154 153 177 179
PM(3) 137 141 147 145 146 147 149 161 170
PM(4) 137 144 147 144 148 149 156 166
PM(5) 140 144 146 146 149 154 161
Figura 8 . Grfica del promedio mvil
0
20
40
60
80
100
120
140
160
180
200
1 2 3 4 5 6 7 8 9 10 11
Mtodo Promedio Mvil
Ventas PM (3) PM (4) PM (5)
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
148
Notemos que el promedio mvil va desechando los datos viejos
conforme incorpora los nuevos, adems, mantiene la misma
importancia para la ltima observacin a lo largo del tiempo.
La figura 8 anterior nos muestra los promedios mviles de orden 3, 4 y 5
de nuestro ejemplo, el clculo de alguno de ellos se muestra a
continuacin.
PM (3)= (125 + 132 + 155) / 3 = 137; primer promedio mvil de orden 3
PM (3)= (132 + 155 + 135) / 3 = 141; segundo promedio mvil de orden 3
PM (3)= (153 + 177 + 179) / 3 = 170; ltimo promedio mvil de orden 3
PM (4)= (125 +132 + 155 + 135) / 4 = 137; primer promedio mvil de orden 4
PM (4)= (1154 +153 + 177 + 179) / 4 = 166; ltimo promedio mvil de orden 4
PM (5)= (125 +132 + 155 + 135 + 155) / 5 = 140; primer promedio mvil de orden 5
PM (5)= (140 +154 + 153 + 177 + 179) / 5 = 161; ltimo promedio mvil de orden 5
3.10.4.1 Qu tan grande debe ser el nmero de orden de un promedio mvil?
Debemos calcularlo numricamente, siguiendo este esquema:
Partir de los datos en un periodo de arranque.
Fijar arbitrariamente un valor para el parmetro.
Hacer pronsticos para el periodo de prueba.
Verificar qu tan bueno es el ajuste numrico por medio del error
de pronstico.
Si el ajuste no es el que deseamos, cambiar el parmetro.
A prueba de error encontrar el parmetro ptimo.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
147
3.10.4.2 Cmo utilizar el promedio mvil para pronosticar?
En general, para pronosticar las ventas se utilizan un promedio mvil de
orden 3 0 4. Una vez calculado el promedio mvil, por ejemplo de orden 4,
que se denota PM(4), y si utilizamos un cuadro y una serie de ventas como
se muestra en la siguiente tabla 10 y figura 9, el clculo de este promedio
mvil de orden 4, redondeando la cifra aparece en el periodo 4 (abril) y es
137 ([125 + 132 + 155 +135]/4). Este clculo del promedio mvil lo utilizamos
como pronstico para el periodo 5 (mayo), el promedio mvil del periodo
5 (mayo) lo utilizamos como pronstico para el periodo 6 (junio) y as
sucesivamente, hasta llegar al promedio mvil de orden 4 del periodo 11,
el cual nos servir como pronstico para diciembre, y que en este caso es
de 166 unidades. Dicho de manera diferente, la serie del promedio mvil
PM(4) se adelanta un periodo y se convierte en nuestra serie de pronstico.
Tabla 10. Promedio mvil
Periodo 1 2 3 4 5 6 7 8 9 10 11 12
Ventas 125 132 155 135 152 147 140 154 153 177 179
PM(4) 137 144 147 144 148 149 156 166
Pronstico 137 144 147 144 148 149 156 166
Error 15 4 -7 11 5 29 23
Error absoluto 15 4 7 11 5 29 23 93
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
148
Como se observa la figura 4, la serie del pronstico es horizontal pero
refleja alguna estacionalidad, esto es un punto de mejora con respecto
al mtodo de promedio simple. Sin embargo, el pronstico para la
mayora de los periodos es demasiado corto; por ejemplo para
diciembre el pronstico es de 166 unidades, cuando en noviembre se
registr una venta real de 179 unidades, desde el punto de vista
prctico podramos cuestionar este resultado.
Por otro lado, se agrega el rengln de error en valores absolutos con el
fin de identificar el error acumulado en unidades, y as ir construyendo
un indicador de error del pronstico, que aunque es muy rudimentario,
es bsico para monitorear el desempeo de la prediccin.
3.10.4.3 Ejercicio Mtodo del Promedio Mvil
Elabora el cuadro de pronstico y grfica utilizando la metodologa de
promedio mvil.
Figura 9 . Grfica del promedio mvil de orden 4
0
20
40
60
80
100
120
140
160
180
200
1 2 3 4 5 6 7 8 9 10 11 12
Promedio Mvil de orden 4
Ventas Pronstico Lineal (Ventas)
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
147
Tabla 11. Ejercicio del mtodo del promedio mvil.
Periodo 1 2 3 4 5 6 7 8 9 10 11 12
Ventas 130 140 150 135 145 158 160 170 180 188 195
PM(3)
PM(4)
PM(5)
Figura 3. Grfica del ejercicio de promedio mvil.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
148
3.10.4.4 Ejercicio Mtodo del Promedio Mvil de Orden 4
Elabora el cuadro de pronstico y grfica utilizando la metodologa de
promedio mvil para pronosticar.
Tabla 12. Ejercicio del mtodo del promedio mvil.
Periodo 1 2 3 4 5 6 7 8 9 10 11 12
Ventas 130 140 150 135 145 158 160 170 180 188 195
PM(4)
Pronstico
Error
Error absoluto
Figura 4. Grfica del ejercicio del promedio mvil de orden 4.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
147
3.10.5 Promedio mvil lineal
El mtodo de los promedios mviles analizado en la seleccin anterior
est diseado para una serie de ventas que tengan un patrn
horizontal.
Si la serie tiene alguna tendencia muy pronunciada, el promedio mvil
puede equivocarse por completo, y el pronstico arribara demasiado y
tarde, es decir, la prediccin sera demasiado corta, especialmente
para el periodo 12 (diciembre) que es el que ms nos interesa.
En el caso del promedio mvil del ejemplo anterior el error es
sistemtico, la serie de promedios mviles proporcionan valores
consistentemente menores a lo que en realidad va a pasar.
Para corregir esta deficiencia y pronosticar adecuadamente, en este
caso hacemos lo siguiente:
Calculamos los promedios mviles de orden 4: St.
Calculamos lo PM de los PM: St.
Calculamos los parmetros de una recta: ordenada al origen y
pendiente, como sigue:
At = St + (st st)
Bt = 2(St-St) / (k-1), donde k es el orden del promedio mvil
Pronosticamos siguiendo la lnea recta:
F(t + m) = At + (m)Bt
Por ejemplo: F(12)= A11 + (1)B7
En donde m representa el nmero de periodos hacia delante que
queremos pronosticar, lo usual es que usemos m = 1, porque en la prctica
siempre queremos pronosticar el periodo siguiente. Como se puede
mostrar en la figura 13.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
148
Tabla 13. Promedio mvil lineal.
Periodo 1 2 3 4 5 6 7 8 9 10 11 12
Ventas
125 132 155 135 152 147 140 154 153 177 179
S't
137 144 147 144 148 149 156 166
S''t
143 146 147 149 155
At
144 151 150 163 177
Bt
0.50 1.75 1.08 4.63 7.42
Pronstico
145 153 151 168 184
Error
-9 0 -26 -11
Error
absoluto 9 0 26 11
Figura 12 . Promedio mvil lineal.
0
20
40
60
80
100
120
140
160
180
200
1 2 3 4 5 6 7 8 9 10 11 12
Promedio mvil lineal
Ventas Pronstico Lineal (Ventas) Lineal (Pronstico)
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
147
El objetivo de utilizar la misma serie de ventas es observar la mejora del
mtodo.
El pronstico obtenido con el mtodo del promedio mvil lineal mejora
sustancialmente. Ahora, en diciembre se est estimando una venta de
184 unidades, cifra que parece ms agregada a la realidad.
El resultado parece ser ms exitoso, el mtodo es ms elaborado,
tcnico y mejorar sustancialmente el pronstico de series con
tendencia. Observemos tambin, que el error acumulado del
pronstico es menor y se registra un valor de 47 de unidades.
3.10.5.1 Ejercicio Mtodo del Promedio Mvil Lineal
Elabora el cuadro de pronstico y grfica utilizando la metodologa de
promedio mvil lineal para pronosticar.
Tabla 14. Ejercicio del mtodo del promedio mvil lineal.
Periodo 1 2 3 4 5 6 7 8 9 10 11 12
Ventas
13
0
14
0
15
0
13
5
14
5
15
8
16
0
170 180 188 195
S't
S''t
At
Bt
Pronstico
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
148
Error
Error
absoluto
Figura 5. Ejercicio del mtodo del promedio mvil lineal.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
147
4. Proyeccin de la demanda
Un elemento importante en el estudio de mercados de proyectos de la
demanda, esto es, la que prevalecer en algn periodo futuro de
determinado producto.
La principal utilidad del pronstico de la demanda es conocer el probable
nivel de ventas en esos periodos, la cual permite estimar los ingresos en
ellos. Para realizar un pronstico de ventas, se deben considerar los
siguientes factores:
Evolucin histrica del consumo del producto.
Utilizacin de herramientas estadsticas que permitan realizar una
proyeccin de la demanda.
Uso del anlisis de corte transversal o vertical de la demanda y sus
caractersticas mediante la utilizacin de cuestionarios que permitan
realizar este tipo de anlisis.
Coeficientes tcnicos.
Conocimiento de los mercados internacionales.
Utilizacin de la planeacin financiera para incluir y evaluar los
diversos factores que afectan tanto la demanda actual como la que
se supone existir en el futuro.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
161
4.1 Metodologas de proyeccin
Existen varias metodologas para estimar el comportamiento futuro de
alguna de las variables del proyecto. Es necesario incluir un conjunto de
elementos que determinan el comportamiento de la variable que se desea
pronosticar, as como las ventajas de cada uno de los mtodos de
proyeccin. Los elementos que se deben considerar para llevar acabo
proyecciones acertadas son.
Validez de los resultados, condicionados bsicamente por la
precisin de los datos que se utilizan para elaborar el pronstico.
Fuentes de informacin, as como el detalle para describir la variable
a proyectar.
Eleccin del mtodo, que depende de la informacin disponible, el
tiempo y los factores del comportamiento de la variable que se
desea pronosticar.
Precisin del pronstico.
Sensibilidad, en la medida que la variable sea ms dependiente de
mayor de cantidad de variables es necesario utilizar mtodos que
reflejen esa dependencia.
Objetividad, cualidad bsica que debe contener toda investigacin,
es decir debe exponerse los hechos sin prejuicios o sesgos
individuales; por lo tanto, se requiere de objetividad tanto en la
investigacin histrica como para pronosticar la variable bajo
estudio.
4.2 Mtodos de proyeccin
Los mtodos de proyeccin son las metodologas que se utilizan para
realizar los pronsticos de alguna variable. A continuacin se describen
las ms usadas para proyectar la cantidad de productos demandados
en el mercado.
Composicin de la fuerza de ventas. Cada vendedor o intermediario
realiza una estimacin de ventas en su territorio para el periodo que
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
160
comprende el pronstico; el promedio de los diferentes
pronsticos individuales es el que constituir el pronstico general.
Juicio administrativo. Este tipo de opinin experta es emitida por los
funcionarios encargados de las ventas. Por lo general, la elaboran
basados en la experiencia que han adquirido por la familiaridad que
tienen con el mercado. Es un juicio eminentemente subjetivo.
Encuestas de clientes. Por medio de encuestas aplicadas a los
clientes se puede realizar un pronstico de ventas para conocer la
intencin de compras.
Prueba del mercado. Las pruebas del mercado son procedimientos
que se llevan a cabo con base en muestras representativas del
mercado mediante la venta de productos a manera de prueba
piloto. Luego, de acuerdo con las respuestas que se obtienen, se
realiza la proyeccin de ventas.
Extrapolacin. Por medio de la extrapolacin se extiende la
informacin pasada y presente hacia el futuro, por lo que
normalmente se utiliza el tiempo como a variable independiente
para estimar el nivel de ventas que prevalecer en el futuro.
Derivacin directa. Cuando se aplica este enfoque, primero se
determina el factor principal del mercado que ejerce gran influencia
en la demanda del producto. Posteriormente se elabora el
pronstico con base en l y en los cambios que se esperan afecten
a ese factor.
Mtodos de proyeccin.
4.3 Clasificacin general de los mtodos de proyeccin
En trminos generales, los pronsticos de pueden clasificar de la siguiente
manera:
Mtodos de carcter subjetivos.
Mtodos de pronsticos causales.
Modelos de series de tiempos.
Mtodos de carcter subjetivo. Por lo general estos enfoques
se basan en opiniones de expertos que conocen la evolucin
y el comportamiento de la variable que se desea va a
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
161
pronosticar. Adems, se utiliza cuando no se dispone de
mucho tiempo para realizar un pronstico ms elaborado. El
mtodo Delphi, quiz el ms conocido, se fundamenta en un
grupo de personas que puede llevar a cabo un razonamiento
mejor que el de una sola, aun cuando est sea experta en el
tema.
Modelos de pronsticos causales. Estas herramientas de
estudio identifican el grado de influencia de los factores que
afectan el comportamiento del volumen de ventas de
mercado y, con base en ello, se pueden estimar los cambios
de las ventas de cualquier otra variable que se desee estudiar.
Los pronsticos se realizan a travs del:
Modelo de regresin.
Modelo economtrico.
Modelo de encuesta.
Modelo de intenciones de compra.
Modelos de series de tiempo. Estos instrumentos de
investigacin son usados cuando el comportamiento que
asumir el mercado puede explicare en gran medida por lo
que sucedi en el pasado; sin embargo, para elaborar
pronsticos es necesario contar con la informacin histrica
adecuada, confiable y completa.
La identificacin de la informacin histrica ayuda a determinar e patrn
bsico de comportamiento de una variable, con lo cual es posible realizar
la proyeccin de la variable estudiada.
En el anlisis de serie existen cuatro componentes bsicos de tiempo:
a) Una tendencia.
b) Un factor cclico.
c) Fluctuaciones estacionales.
d) Variaciones no sistemticas.
La tendencia es el comportamiento a largo plazo, el cual puede implicar
comportamiento de crecimiento o declinacin del valor promedio de la
variable que estudiada. El comportamiento cclico es causado por la el
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
160
efecto combinado de las fuerzas econmicas, sociales, polticas,
tecnolgicas, culturales, etc. La mayora de estos ciclos no muestran
patrones constantes que permitan prever su ocurrencia, magnitud y
duracin. En tanto, la variacin estacional muestra fluctuaciones que se
repiten de manera peridica, que por lo general dependen de factores
como el clima (compra de aparatos de calefaccin o de aire
acondicionado) y la tradicin (tarjetas de Navidad, regalos para festejar el
amor, a la madre, al padre, el da del nio, etc.) entre otros.
4.3.1 Regresin Lineal Simple
Cualquier mtodo estadstico que intente establecer una ecuacin que
permita estimar el valor desconocido de una variable, a partir del valor
conocido de una o ms variables, se denomina anlisis de regresin. Este
mtodo consiste bsicamente en desarrollar una lnea recta o ecuacin
matemtica lineal que describa la relacin entre dos variables; por
ejemplo, entre el precio y la cantidad demandada, o el precio y la
cantidad de oferta, el nivel de ingresos en funcin a la escolaridad de las
personas. Etc. El objetivo principal es emplear las ecuaciones de regresin
es explicar una relacin de causa-efecto entre dos variables.
Ejemplos
El precio de los bienes sustitutos puede explicar la razn por la cual
disminuye la demanda de determinado producto.
El nivel de desempleo puede ser la explicacin de los cambios en la
demanda de automviles usados.
La ecuacin de regresin se utiliza para predecir los valores futuros de una
variable, que por lo general asume la forma de una lnea recta.
La regresin y los anlisis de correlacin se basan en la relacin o
asociacin entre dos o ms variables. Las variables conocidas se llaman
variables independientes y explican la variable dependiente que tambin
se denomina variable explicada.
Existen mltiples relaciones entre las variables de la regresin 1) relacin
directa, cuando el aumento de la variable independiente es
consecuencia del incremento de la variable dependiente 2) relacin
inversa, que se establece cuando aumenta la variable independiente
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
161
como consecuencia de la disminucin de la variable dependiente
y viceversa.
El mtodo de mnimos cuadrados es el que comnmente se utiliza para
determinar la lnea de la regresin simple; la lnea se deriva en forma tal
que la suma de los cuadrados de las desviaciones verticales entre la lnea y
los puntos individuales de datos se reduce al mnimo.
El mtodo de los mnimos cuadrados o regresin lineal buscan determinar
la recta que represente de mejor manera la tendencia de las relaciones
observadas entre dos variables, para usarlas como base de proyeccin de
la tendencia futura, calculando los valores de a y b que definan la funcin
Y que minimice las desviaciones, los datos observados y la ecuacin.
Y= a + bx
Donde Y es la funcin de proyeccin o lnea de tendencia; a, el
comportamiento no explicado por la variable x; b, el comportamiento
explicado por la variable x que indica en cunto cambia el valor de Y por
cada unidad que cambie x.
El grfico muestra estas relaciones, donde los datos observados se
representan con puntos y la funcin de estimacin, con lnea recta.
Figura 14. Lnea de tendencia.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
160
Existen diversas formas de calcular el valor de las variables a y b. A
continuacin, se explican los procedimientos para hacer el clculo
mediante los ms utilizados: el uso de frmulas y el de los facilitadores de
Excel, a saber, Anlisis de datos y el ajuste de la lnea de tendencia al
grfico de dispersin. En los mtodos se usar la informacin base que se
exhibe en la tabla 15.
Tabla 15. Datos recolectados de poblacin infantil y demanda por comuna.
Comuna Poblacin infantil (x) Ventas en Unidades (y)
1 14.680 3.845
2 22.930 5.450
3 16.650 5.099
4 35.990 8.890
5 32.480 6.681
6 38.770 9.678
7 10.030 4.542
8 24.260 4.557
9 52.460 13.289
10 36.800 10.506
11 17.340 5.134
12 43.690 9.066
En la tabla 15 se puede observar que, aunque exista una relacin entre la
cantidad de nios y las ventas (a mayor poblacin, mayores ventas), estas
pueden tener comportamientos errticos.
Por ejemplo, la comuna ms pequea tiene 10.030 nios y se venden 4.542
unidades, mientras que la que le sigue en tamao (la nmero 1), teniendo
un 40% ms de poblacin, vende menos unidades.
Obviamente, una de las dos es menos representativa que la otra con
respecto al comportamiento entre demanda y poblacin. La regresin
rene todos los datos histricos disponibles y estima el mejor promedio
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
161
entre todos ellos, separando la cantidad (a) de unidades vendidas
que no son explicadas por la poblacin (accesos, lejanas de las viviendas
a los centros de venta, etc.) de aquellas (b) que si son explicadas por ella.
Para pronosticar las ventas en una nueva comuna, se remplaza x por la
poblacin.
4.3.1.1 Ejercicio Regresin Lineal Simple
La tabla 16 muestra los valores de cada componente para calcular
ecuaciones anteriores.
Tabla 16. Clculos de variables de la ecuacin.
Comuna Poblacin Ventas en xy
Infantil (x) Unidades (y)
1 14.680 3.845
2 22.930 5.450
3 16.650 5.099
4 35.990 8.890
5 32.480 6.681
6 38.770 9.678
7 10.030 4.542
8 24.260 4.557
9 52.460 13.289
10 36.800 10.506
11 17.340 5.134
12
43.690 9.066
( )
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
160
4.3.1.2 Usos de frmulas
El primer procedimiento para determinar la lnea de tendencia recurre a las
ecuaciones siguientes para definir los valores de a y de b
=
Donde n es el nmero de observaciones; , el valor promedio de la
variable y, y , el valor promedio de la variable x.
Remplazando los valores obtenidos en las dos ecuaciones anteriores,
se obtiene.
= =
= =
La lnea de tendencia queda, entonces, como sigue.
= +
9 de Octubre del 2014
Bibliografa:
Morales A. & Morales J. (20099 Proyectos de inversin, evaluacin y formulacin. Mxico: Mc
Graw Hill.
Rodrguez M. (2004) Pronsticos en los negocios. Planeacin para incrementar sus ventas. Mxico:
Gasca Sicco.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
161
9 de Octubre del 2014
Noticias econmicas y financiera .
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
160
14 de Octubre del 2014
Noticias econmicas y financiera .
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
161
16 de Octubre del 2014
Prctica de Pronsticos (anlisis de la demanda).
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
160
16 de Octubre del 2014
Noticias econmicas y financiera .
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
168
16 de Octubre del 2014
Examen de Pronsticos (anlisis de la demanda).
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
167
Unidad 3
Tipos de proyectos
de inversin
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
168
Investigacin de la Unidad III. Tipos de proyectos De inversin.
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
167
23 de Octubre del 2014
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
168
23 de Octubre del 2014
Noticias econmicas y financiera .
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
167
23 de Octubre del 2014
Lectura y resumen III Evaluacin y formulacin de Proyectos de
Inversin en Mxico
UNIVERSIDAD AUTNOMA DEL CARMEN
FACULTAD DE CIENCIAS ECONMICO ADMINISTRATIVAS
M.F. LIMBERTH PERAZA
168
28 de Octubre del 2014
Lectura IV La planeacin financiera
UNIVERSIDAD AUTNOMA DEL CARMEN
Facultad de Ciencias Econmico Administrativas
Evaluacin de proyectos de inversin
Academia de finanzas
PROYECTOS DE INVERSIN M.F. LIMBERTH PERAZA
Pgi
na
0