TECNICAS CUANTITATIVAS DEL PRONOSTICO

REGRESIN LINEAL.
Modelo que utiliza el mtodo de los mnimos cuadros para identificar la relacin entre la variable dependiente y una o ms variables independientes, presentes en un conjunto de observaciones histricas. En la regresin simple, solo hay una variable independiente; en la regresin mltiple, hay ms de una variable independiente. Si los datos histricos forman una serie de tiempo, la variable independiente es el periodo y la variable dependiente en, por ejemplo, un pronstico de ventas, son las ventas. Un modelo de la regresin no necesariamente tiene que estar basado en una serie de tiempo, pues en estos casos el conocimiento de los valores futuros de la variable dependiente (llamada tambin variable causal) se utiliza para predecir valores futuros de la variable dependiente. Por lo general, la regresin lineal se utiliza en el pronstico a largo plazo, pero se tiene cuidado al seleccionar las cantidad de periodos incluidos en los datos histricos, y este conjunto de datos se proyecta slo unos cuantos periodos en el futuro, la regresin tambin puede utilizarse apropiadamente en pronsticos a corto plazo. La regresin supone una casi normalidad. Lo que quiere decir que los valores observados de la variable dependiente (y) se supone estarn distribuidos normalmente a ambos lados de su media (y) y el error estndar (sxy) es constante conforme nos vamos a lo largo de la lnea de tendencia.

PROMEDIOS MVILES.
Modelo de pronstico del tipo de series de tiempo a corto plazo que pronostica las ventas para el siguiente periodo. En este modelo, el promedio aritmtico de las ventas reales para un determinado nmero de los periodos pasados ms recientes es el pronstico para el siguiente periodo.

PROMEDIO MVIL PONDERADO. Modelo parecido al modelo de promedio mvil arriba descrito, excepto que el pronstico ponderado de las ventas pasadas, en lugar del promedio aritmtico.

SUAVIZACIN EXPONENCIAL.
Modelo tambin de pronstico de series de tiempo a corto plazo que pronostica las ventas para el siguiente periodo. En este modelo, las ventas pronosticadas para el ltimo periodo se modifican utilizando la informacin correspondiente al error de pronstico del ltimo periodo. Esta modificacin del pronstico del ltimo periodo se utiliza como pronstico para el siguiente periodo. La suavizacin exponencial es una tcnica de pronstico de series de tiempo (promedios mviles) que pondera los datos histricos exponencialmente para que los datos ms recientes tengan ms peso en el promedio mvil. Con la suavizacin exponencial simple, el pronstico Ft se construye con la prediccin

del ltimo periodo Ft-1 ms una porcin de la diferencia entre el valor de la demanda real del periodo anterior At-1 y el pronstico del periodo anterior Ft-1. Ft = Ft-1 + (At-1 - Ft-1 ) La constante de suavizacin es un nmero entre 0 y 1 que entra multiplicando en cada pronstico, pero cuya influencia declina exponencialmente al volverse antiguos los datos. Una baja de ms ponderacin a los datos histricos. Una de 1 refleja una ajuste total a la demanda reciente, y los pronsticos sern las demandas reales de los periodos anteriores. La seleccin de depende de las caractersticas de la demanda. Los valor es altos de son ms sensibles a las fluctuaciones en la demanda. Los valores bajos de son ms apropiados para demandas relativamente estables (sin tendencia o ciclicidad), pero con una gran cantidad de variacin aleatoria. La suavizacin exponencial simple es un promedio suavizado centrado en el periodo presente. No se puede extrapolar para efectos de tendencia, por la que ningn valor de compensar completamente la tendencia en los datos. Los valores ordinarios de varan entre 0.01 y 0.40. Los valores bajos de disminuyen efectivamente la variacin aleatoria (ruido dispersin). Los valores altos son ms sensibles a cambios en la demanda (introducciones de nuevos productos y error buscando cul valor reduce el error del pronstico. Esto puede hacerse fcilmente modelando el pronstico en un programa de cmputo, tratando con diferentes valores de . Un valor de que proporcione aproximadamente un grado equivalente de suavizacin tanto como un promedio mvil de un periodo es = 2 / (n + 1)

SUAVIZACIN EXPONENCIAL CON TENDENCIA.

El modelo de suavizacin exponencial arriba descrito, pero modificado puede tomar en consideracin datos de un patrn de tendencia. Estos patrones pueden estar presentes en datos a mediano plazo. Tambin se conoce como suavizacin exponencial doble, ya que se suavizan tanto la estimacin del promedio con la estimacin de la tendencia utilizando dos constantes de suavizacin