El Mtodo de Mnimos Cuadrados o Regresin Lineal se utiliza tanto para

pronsticos deseries de tiempo como para pronsticos de relaciones causales. En

particular cuando la variable dependiente cambia como resultado del tiempo se
trata de un anlisis de serie temporal.
En el siguiente artculo desarrollaremos un Pronstico de Demanda haciendo
uso de la informacin histrica de venta de un producto determinado durante los
ltimos 12 trimestres (3 aos) cuyos datos se observan en la siguiente tabla
resumen:

La ecuacin de mnimos cuadrados para la regresin lineal es la que se muestra a

continuacin donde 0 y 1 son los parmetros de intercepto y pendiente,
respectivamente:

Estimar los valores de dichos parmetros es sencillo haciendo uso de una

planillaExcel tal como muestra la tabla a continuacin:
Luego evaluamos en las ecuaciones presentadas anteriormente para obtener los
valores de 0 y 1:

Una vez obtenido los parmetros de la regresin lineal se puede desarrollar un

pronstico de demanda (columna color naranja) evaluando en la ecuacin de la
regresin para los distintos valores de la variable independiente (x).
Por ejemplo, para el primer trimestre el pronstico
es:Y(1)=441,71+359,61*1=801,3.
Observacin: los valores de los pronsticos han sido
redondeadosarbitrariamente a un decimal para mayor comodidad.
 Notar que con la informacin que hemos obtenido podemos calcular el MAD y la
Seal de Rastreo y utilizar estos indicadores para validar la conveniencia de
utilizar este procedimiento como dispositivo de pronstico.
Adicionalmente puede resultar de inters consultar el artculo Ejemplo de una
Regresin Lineal Mltiple para un Pronstico con Excel y Minitab que
muestra cmo abordar el caso de realizar una regresin lineal con ms de
unavariable independiente (explicativa).
Siguiendo con nuestro anlisis a continuacin podemos desarrollar un pronstico
de demanda para los prximos 4 trimestres (un ao) que corresponden a los
trimestres 13, 14, 15 y 16:

Y(13)=441,71+359,61*13=5.116,64
Y(14)=441,71+359,61*14=5.476,25
Y(15)=441,71+359,61*15=5.835,86
Y(16)=441,71+359,61*16=6.195,47