¿Qué es un pronóstico?

 Es un estimado cuantitativo (o conjunto de

estimados) acerca de la verosimilitud de
eventos futuros, que se elabora con base en la
información pasada y actual.
 Las predicciones de los hechos y condiciones
futuras, es una adivinación calculada del
futuro.
Importancia en la Planeación

 Pronosticar es muy importante en muchos tipos

de empresas, ya que las predicciones de
hechos futuros se pueden incorporar al
proceso de la toma de decisiones.
 Cualquier organización debe ser capaz de hacer
predicciones para poder tomar decisiones
inteligentes
 CARACTERÍSTICAS DE LOS
PRONÓSTICOS
 El análisis de series de tiempo, consiste en
encontrar el patrón del pasado y proyectarlo
al futuro.


 En función de los modelos de series de tiempo

podemos distinguir entre:

 Pronóstico ex post

 Pronóstico ex ante
  Las observaciones en las variables endógenas y en
las variables explicativas ya se conocen con
E

certeza durante el periodo pronosticado, de
x este modo, los pronósticos ex post pueden
verificarse contra los datos existentes y
Po proporcionan un medio para evaluar un
st modelo del pronóstico.

 También predice valores de la variable

E
dependiente más allá del periodo de
PR x estimación original, pero usa variables
ON explicativas que pueden conocerse o pueden
no conocerse aun con certeza.
ÓS A 
nt
TIC e
OS
 
Pr
on 
óst
ico  Los valores para una o mas variables explicativas
Co no se conocen, así que se deben usar
nd suposiciones (o pronósticos) para producir un
ici
on pronostico de la variable dependiente
al
Pr

on  Las variables explicativas deben conocerse con certeza

PR óst para el periodo entero del pronóstico. Una forma en
ico que puede ocurrir esto es haciendo que las
ON variables explicativas aparezcan con rezagos de
tiempo, aun si las variables explicativas no
OST In
co aparecen con rezagos, podemos ser capaces de
ICO nd pronosticarlas perfectamente, generando de este
modo pronósticos incondicionales para la variable
ici
S on
dependiente.
al 
Métodos
 Métodos de proyección. Estos métodos tratan de encontrar el
patrón total de los datos para proyectarlos al futuro, y son:
› Promedios Móviles
› Suavización Exponencial

› Box-Jenkins


 Método de separación. Es aquel que separa la serie en sus

componentes para identificar el patrón de cada componente, y
se llama: Método de Descomposición de Series de Tiempo.
 FACTORES PARA LA
SELECCIÓN DEL PRONÓSTICO

 Periodo
 El patrón de los datos
 El costo del pronóstico
 La exactitud deseada
 La disponibilidad de la información
 La facilidad de operar y entender

Periodo
 Puntos en el tiempo (días, semanas, meses, o años en el futuro), generan
los pronósticos. Este intervalo de tiempo se llama periodo u
horizonte de tiempo. Su duración se clasifica de la siguiente forma:
› Inmediato - menos de 1 mes

› Corto Plazo - 1 a 3 meses

› Medio – (+) de 3 meses a (-) de 2 años

› Largo Plazo – 2 años o (+)

›
Pat rón de› los Dat os
 Considerar los componentes presentes (tendencia, ciclo, variación
estacional o alguna combinación de ellos) para determinar el modelo a
emplear.
Costo del Pronóstico
 Es pertinente tener varios costos, considerando el costo de desarrollar el
modelo. El costo de la operación real de la técnica es importante.
 El grado de complejidad puede tener una influencia definitiva en el costo
total del pronóstico.

Exact it ud Deseada
 Los datos históricos de una variable de interés utilizada por distintos
métodos de pronósticos requiere diferentes cantidades, datos históricos o
anteriores, por ello la cantidad de datos disponibles es importante,
observando la puntualidad de los datos con que se cuenta.
Consideraciones básicas para
una predicción exitosa
1. Ambiente de decisión y función de pérdida
2. Objeto del pronóstico
3. Planteamiento del Pronóstico
4. Horizonte del Pronóstico
5. Conjunto de información
6. Métodos y complejidad, el principio de la
parsimonia y el principio de contracción
Función de pérdida
 Buenos pronósticos = buenas decisiones
 Cada pronóstico conlleva una estructura de “costo” o “pérdida”, asociada
a cada decisión, por lo tanto decisiones incorrectas conducen a
pérdidas positivas.
 La función de pérdida tiene la forma L(e), es decir la pérdida depende del
error de pronóstico

L(e) = 0
PRONÓSTICO PERFECTO
 L(e) es IDÉNTICA cuando los errores casi idénticos al pronóstico,
producen pérdidas casi idénticas.
 L(e) aumenta a medida que también aumenta el valor absoluto de e (más
grande el tamaño absoluto del error será mayor la pérdida).

 Resultado del evento

 Tiempo del evento

Objet o del Pronóst ico
 Serie temporal
Planteamiento
 Decidir el tipo de pronóstico:
› Puntual o puritual (un solo número ejemplo índice de
crecimiento del PIB del 2008 a 2009)
›
› De Intervalo (intervalo de valores reflejando incertidumbre en el
pronóstico, pero proporcionan más información que el
puntual)
›
› De Densidad (expresa toda la distribución de probabilidades del
valor futuro de la serie de interés)

Horizont e del Pronóst ico

 Cantidad de periodos (etapas) entre hoy y la fecha del pronóstico que se

elabora, en general se habla de un pronóstico de h etapas a futuro, para lo

cual el horizonte h está a discreción del usuario.

Conjunto de Información
 Todo pronóstico depende de la calidad de la información, ya se explícita
o implícita con que se cuente.

Mét odos y com plejidad, Parsim onia y Cont racción

 Principio de la parsimonia: los modelos simples, en igualdad de

condiciones, son preferibles a los modelos complicados.
 (se interpretan, entienden y revisan con mayor facilidad).
 Principio de la contracción: al imponer restricciones sobre los modelos de
pronóstico se mejora la eficacia del mismo.
 Principio MACOS (mantenerlo complicadamente sencillo).
 CLASIFICACIÓN DE MÉTODOS DE PRONÓSTICOS
 Los procedimientos de pronósticos pueden también clasificarse de
acuerdo con su tendencia a ser más cuantitativos (Análisis de series
de tiempo y Modelos Causales) o cualitativos.

 Una técnica puramente cualitativa es aquella que no

requiere de una abierta manipulación de datos, sólo se
utiliza el “juicio” de quién pronostica.
Cualitativos  Desde luego, incluso aquí, el “juicio” del pronosticador es
en realidad el resultado de la manipulación mental de
datos históricos pasados.

 No requieren de elementos de juicio.

 Ciertos procesos cuantitativos requieren de una
manipulación de datos mucho mas compleja que otros.
Cuantitativos  Debemos enfatizar de nuevo que junto con los nuevos
procedimientos mecánicos y de manipulación de datos,
se deben emplear elementos de juicio y sentido común

 An  El análisis consiste en encontrar el patrón del
ális pasado y proyectarlo al futuro.
is
de  Patrones de una serie de tiempo:
Ser
ies › Horizontal o estacionario
de
Tie › Tendencia a largo plazo
mp
o › Efecto estacional

› Efecto cíclico

Cu Mo


del
 Modelos de Regresión:
› Lineal Simple
anti os
Ca › Lineal Múltiple
us
tati ale
s
vos
 ETAPAS A SEGUIR EN PRONÓSTICOS
 La aceptación de que las técnicas de pronósticos funcionan sobre datos
generados en sucesos históricos pasados conduce a la identificación de
cuatro pasos en el proceso de pronóstico:

1. Recopilación de Datos
 Es importante obtenerdatos adecuados y asegurarse que son correctos.

 Este paso es el mayor reto de todo el proceso y el más difícil de controlar, ya

que los pasos siguientes se efectúan sobre los datos, sean o no relevantes
para el problema en cuestión.

2. Reducción de Datos
 Algunos datos pueden no ser pertinentes al problema, por lo que reducirían la

precisión del pronóstico.

 Otros datos pueden ser los adecuados, pero en ciertos periodos históricos.
3. Construcción del Modelo
 Implica ajustar los datos reunidos en un modelo de pronóstico que sea el

adecuado para minimizar el error del pronóstico.

 Se debe establecer un balance entre un enfoque de pronóstico complejo (más
precisión) y un enfoque sencillo (fácil de entender) de manera que lo
utilicen efectivamente.

4. Extrapolación del Modelo

 Ocurre una vez que se recolectaron y tal vez redujeron, los datos
adecuados y que se seleccionó un modelo de pronóstico apropiado.
 Es entonces cuando se observan los errores de pronóstico y se resumen
de algún modo.