La presente memoria se centra en la determinación de precios óptimos de una categoría en una cadena de supermercados. Actualmente el proceso para fijar los precios se basa en la intuición o experiencia y es igual para todas las sucursales. Por lo tanto, se busca proponer una política de precios para una categoría, que capture la heterogeneidad del comportamiento de la demanda a través de las distintas tiendas dentro de la cadena. El objetivo principal de esta memoria es desarrollar una metodología para la determinación de precios bases óptimos; a través de datos transaccionales y demográficos que permita a la cadena encontrar una política de precios particular a cada una de sus salas de ventas. La estimación de demanda de los productos se realiza a través de un modelo jerárquico Bayesiano. La ventaja esencial de este modelo, es que esta estimación se realiza a nivel de sala, pero utiliza los puntos comunes de todas las sucursales. Con esta metodología, se obtiene la sensibilidad de la demanda al precio de cada producto, que se representan como elasticidades precio propia y cruzada para todos los productos en estudio Esto parámetros sirven de entrada para los modelos de optimización de precios. Finalmente, para determinar la política óptima de precios, se evalúan tres modelos de optimización no lineal, maximizando ingresos, unidades o margen. La validación de la estimación de la demanda arrojó óptimos resultados. El indicador R-ajustado fue de 0,5, mientras el MAPE fue menor al 25%. Además se pudo determinar que el modelo jerárquico bayesiano entrega mejores indicadores tanto cualitativos como cuantitativos para las matrices de elasticidad que modelos clásicos de regresión; agrega valor además al incluir información de variables demográficas que no habían sido analizadas anteriormente. Se concluye que aplicar políticas óptimas de precio para la cadena se observan aumentos cercanos al 40% en ingresos y unidades para cualquier modelo. Si además estas políticas se aplican de forma diferenciada para cada sucursal, los ingresos se incrementan en un 15% más, de forma que la cadena de supermercados pierde alrededor de diez millones de pesos semanales al no hacerse cargo de las particularidades de cada sala. Como conclusión del trabajo, la metodología aplicada permite abarcar mayor información sobre los productos y las sucursales, realizándose análisis más robustos y mejores interpretaciones del comportamiento del consumidor, lo que se ve reflejado en los resultados finales de la optimización.

Ingeniero Civil Industrial / Para identificar oportunidades en el mercado es fundamental aumentar el conocimiento de los clientes y de la competencia. En el caso del marketing industrial, esto presenta un grado de dificultad mayor debido a que variables importantes como el precio final de venta y las ventas de la competencia son desconocidas. El presente trabajo se desarrolla para a un distribuidor de materias primas que vende a restaurantes. Desde la perspectiva del distribuidor es de interés entender cómo sus clientes deciden sus compras y optan por adquirir a un proveedor u otro. Para esto de gran utilidad poder inferir parte esta información no observable con la finalidad de mejorar sus políticas de precio. Como fuente de información se cuenta con datos transaccionales de venta de la empresa y una encuesta con características demográficas de los clientes. De esta forma surge como objetivo apoyar las negociaciones de precio del distribuidor mediante un mayor conocimiento del mercado en términos de su posición competitiva y un mayor entendimiento del comportamiento de compra de sus clientes. Para esto se desarrolla un modelo que considera el uso de la teoría económica para interpretar la elección de compra de los clientes. En la estimación de los parámetros del problema se utiliza un modelo lineal jerárquico que permita capturar heterogeneidad de los clientes identificando patrones de comportamiento. Dentro de los resultados obtenidos se logra identificar patrones de comportamiento de compra comunes en los clientes según sus características demográficas, lo cual sumado al modelo de decisión de compra hace posible inferir las compras de los clientes tanto al distribuidor como a su competencia, además de recomendaciones para los procesos de negociación. La estimación de las cantidades vendidas por el distribuidor de referencia bajo el efecto de la competencia arroja un error MAPE de 92,77% y un ajuste R2 de 0,6977. Finalmente dentro de las recomendaciones formuladas destaca que los precios de los clientes cuyo proveedor principal es el distribuidor de referencia son menos sensibles a compras realizadas en el pasado. Otro punto relevante es como la ubicación del cliente juega un papel relevante en prácticamente la totalidad de las variables explicativas del modelo, desde diferencias en los requerimientos básicos por categorías, variaciones en la sensibilidad al nivel de precios y las variables que describen las diferencias de precios.

El estudio de las propiedades de la población de enanas blancas de la Galaxia es muy amplio, e implica aportaciones en diferentes campos de la astrofísica, tales como evolución estelar, dinámica galáctica, estudio de la materia oscura o análisis de bases de datos, entre otros. Las enanas blancas, por otra parte, son objetos cuya configuración física es lo suficientemente estable como para permitir el desarrollo de modelos teóricos muy precisos. Este hecho unido a la característica de tales estrellas de ser objetos muy viejos presenta al conjunto de enanas blancas como candidatos ideales para el estudio de la formación y estructura de la Galaxia.Bajo estas condiciones hemos desarrollado un modelo, basado en las técnicas de simulación Monte Carlo, de la población de enanas blancas, tanto del disco como del halo galáctico. Las simulaciones realizadas presentan los avances más recientes en la física de las enanas blancas a la par que incluyen de manera realista el proceso de selección observacional. Con la construcción de un modelo preciso podemos extraer la mayor información posible de los datos observacionales, analizar los posibles sesgos estadísticos derivados del proceso de selección, al igual que comprobar los resultados de los modelos teóricos o estimar futuras predicciones.En primer lugar hemos realizado un estudio detallado y exhaustivo de la población de enanas blancas del disco galáctico. Este estudio se ha centrado en dos grandes bloques: el análisis de las propiedades cinemáticas y el estudio de la función de luminosidad. En este sentido hemos comprobado que los efectos de la ley de altura patrón no son en modo alguno despreciables y que pueden influir en la determinación de la edad del disco. Igualmente hemos analizado de forma especial la función de luminosidad, su completitud, sus sesgos observacionales, y una valoración estadística basada en las técnicas de estimación bayesiana de la edad del disco, obteniendo un valor de 13.5 Gyr con un error típico de 0.8 Gyr.A continuación hemos analizado los posibles efectos de un episodio de mezcla en el disco galáctico. Tras analizar diferentes escenarios hemos podido comprobar que un tal episodio de mezcla tendría efectos nulos en la función de luminosidad, mientras que por el contrario existirían efectos apreciables en la distribución cinemática.Por otra parte, mediante la implementación de una algoritmo de inteligencia artificial y utilizando nuestras simulaciones de la población del disco y del halo hemos realizado una clasificación de la población de enanas blancas a partir de un catálogo observacional. Esta clasificación nos ha permitido construir una función preliminar de las enanas blancas del halo que mejora substancialmente los datos anteriores.Por último hemos analizado con detalle las propiedades de la población de enanas blancas del halo. En particular, hemos estudiado la contribución de estos objetos a la materia oscura de la galaxia. A tal efecto, hemos simulado los experimentos de microlentes en la dirección de la Gran Nube de Magallanes, al igual que estudiado el número de posibles objetos detectables por el Hubble Deep Field.