Está en la página 1de 7

PRONÓSTICOS

1. Métodos de carácter subjetivo


Son métodos que se utilizan para hacer estimaciones o para poder pronosticar el
comportamiento futuro de una variable objeto de estudio a partir de datos cualitativos. Por
ejemplo tecnología, sistemas de información.

Dentro de este método están los siguientes métodos:

1.1. Método Delphi: consiste en reunir varios expertos y que las respuestas de dichas personas
no se conozcan entre si para poder evaluar y no se sesgue la información.

1.2. Método analogía histórica: es un proyecto de correlación, busca hacer estudios de


proyectos que han tenido éxito en otro lugar para implementarlos en un sitio donde no
existen.

1.3. Método de consenso de panel: es muy parecido al método Delphi a diferencia que las
respuestas se conocen y se discuten entre todos los expertos como en mesa redonda.

1.4. Investigación/Estudio de mercados: se realiza encuestas claras donde se analiza las


respuestas para pronosticar datos de gustos, cantidad de consumo, etc.

2. Métodos de Pronósticos Causales


Este método busca estimar o pronosticar el comportamiento de una variable objeto de estudio
a partir de datos históricos cuantitativos obtenidos a través de encuesta, paneles, etc.

La variable que se va a estimar define un comportamiento a partir de una variable de tipo causal
(causa-efecto), es decir que una de esas variables (la que se va a estimar) es dependiente (efecto)
y la variable de tipo causal es variable Independiente. Existen varios métodos que son:

2.1. Métodos de Regresión: Son métodos estadísticos en los cuales se adapta el modelo
matemático a través de una línea de regresión al conjunto de datos denominados diagrama
de dispersión donde se encuentran los siguientes métodos:

2.1.1. Regresión lineal simple:


𝑌 = 𝐴 + 𝐵𝑋

𝑎) ∑ 𝑌 = 𝑛𝐴 + 𝐵 ∑ 𝑋
𝑏) ∑ 𝑋𝑌 = 𝐴 ∑ 𝑋 + 𝐵 ∑ 𝑋 2

𝑛 ∑ 𝑋𝑌 − ∑ 𝑋. ∑ 𝑌
𝑟2 =
√(𝑛 ∑ 𝑋 2 − (∑ 𝑋)2 )(𝑛 ∑ 𝑌 2 − (∑ 𝑌)2 )

2.1.2. Regresión Lineal Múltiple.

𝑌 = 𝐴 + 𝐵𝑋1 + 𝐶𝑋2

𝑎) ∑ 𝑌 = 𝑛𝐴 + 𝐵 ∑ 𝑋 1 + 𝐶 ∑ 𝑋 2

𝑏) ∑ 𝑋1𝑌 = 𝐴 ∑ 𝑋1 + 𝐵 ∑ 𝑋12 + 𝐶 ∑ 𝑋1. 𝑋2

𝑐) ∑ 𝑋2𝑌 = 𝐴 ∑ 𝑋2 + 𝐵 ∑ 𝑋1. 𝑋2 + 𝐶 ∑ 𝑋22

𝐴 ∑ 𝑌 + 𝐵 ∑ 𝑋𝐼. 𝑌 + 𝐶 ∑ 𝑋2. 𝑌
𝑟2 =
∑ 𝑌2

2.1.3. Regresión Cuadrática.


𝑌 = 𝐴 + 𝐵𝑋 + 𝐶𝑋 2

𝑎) ∑ 𝑌 = 𝑛𝐴 + 𝐵 ∑ 𝑋 + 𝐶 ∑ 𝑋 2

𝑏) ∑ 𝑋𝑌 = 𝐴 ∑ 𝑋 + 𝐵 ∑ 𝑋 2 + 𝐶 ∑ 𝑋 3

𝑐) ∑ 𝑋 2 𝑌 = 𝐴 ∑ 𝑋 2 + 𝐵 ∑ 𝑋 3 + 𝐶 ∑ 𝑋 4

𝐴 ∑ 𝑌 + 𝐵 ∑ 𝑋𝑌 + 𝐶 ∑ 𝑋 2 . 𝑌
𝑟2 =
∑ 𝑌2
2.1.4. Regresión Exponencial.
𝑌 = 𝐴𝑒 𝐵𝑋

𝑎) ∑ 𝐿𝑛𝑌 = 𝑛𝐿𝑛𝐴 + 𝐵 ∑ 𝑋

𝑏) ∑ 𝑋𝐿𝑛𝑌 = 𝐿𝑛𝐴 ∑ 𝑋 + 𝐵 ∑ 𝑋 2

𝑒 = 2.71828182845904

𝐿𝑛𝐴 ∑ 𝐿𝑛𝑌 + 𝐵 ∑ 𝑋. 𝐿𝑛𝑌


𝑟2 =
∑(𝐿𝑛𝑌)2

2.1.5. Regresión Potencial Simple.


𝑌 = 𝐴𝑋 𝐵

𝑎) ∑ 𝐿𝑛𝑌 = 𝑛𝐿𝑛𝐴 + 𝐵 ∑ 𝐿𝑛𝑋

𝑏) ∑ 𝐿𝑛𝑋. 𝐿𝑛𝑌 = 𝐿𝑛𝐴 ∑ 𝐿𝑛𝑋 + 𝐵 ∑(𝐿𝑛𝑋)2

𝐿𝑛𝐴 ∑ 𝐿𝑛𝑌 + 𝐵 ∑ 𝐿𝑛𝑋. 𝐿𝑛𝑌


𝑟2 =
∑(𝐿𝑛𝑌)2

2.1.6. Regresión Potencial Múltiple.

𝑌 = 𝐴𝑋1𝐵 𝑋2𝐶

𝑎) ∑ 𝐿𝑛𝑌 = 𝑛𝐿𝑛𝐴 + 𝐵 ∑ 𝐿𝑛𝑋1 + 𝐶 ∑ 𝐿𝑛𝑋2

𝑏) ∑ 𝐿𝑛𝑋1. 𝐿𝑛𝑌 = 𝐿𝑛𝐴 ∑ 𝐿𝑛𝑋1 + 𝐵 ∑(𝐿𝑛𝑋1)2 + 𝐶 ∑ 𝐿𝑛𝑋1. 𝐿𝑛𝑋2

𝑐) ∑ 𝐿𝑛𝑋2. 𝐿𝑛𝑌 = 𝐿𝑛𝐴 ∑ 𝐿𝑛𝑋2 + 𝐵 ∑(𝐿𝑛𝑋1. 𝐿𝑛𝑋2 + 𝐶 ∑(𝐿𝑛𝑋2)2

𝐿𝑛𝐴 ∑ 𝐿𝑛𝑌 + 𝐵 ∑ 𝐿𝑛𝑋1. 𝐿𝑛𝑌 + 𝐶 ∑ 𝐿𝑛𝑋2. 𝐿𝑛𝑌


𝑟2 =
∑(𝐿𝑛𝑌)2

2.2. Métodos Econométricos: Son modelos matemáticos en los cuales se considera para el
ejercicio de pronosticar el manejo de dos o mas variables independientes. Este tipo de
modelo es utilizado por el estado y se aplica en la planeación por escenarios en donde cada
escenario corresponde a un pronóstico definido por el comportamiento de las variables
independientes consideradas para el estudio.

2.3. Métodos Arima: Son métodos auto-regresivos (> complejidad) que tratan de considerar
eventos estocásticos y no determinísticos.

2.3.1. Método Arima


2.3.2. Box Jenkis

3. Métodos de Series de Tiempo


Este grupo de métodos busca estimar el comportamiento de una variable objeto de estudio a
partir de datos históricos cuantitativos en los que se considera tres criterios muy puntuales.

 Efecto Estacional o de Temporalidad: Son aquellos datos que se vuelven a repetir en ciertos
periodos de tiempo.
 Efecto Cíclico o Ciclicidad: Son aquellos datos que después de haber tenido cierto
comportamiento en el tiempo se vuelve a repetir dicho comportamiento.

 Efecto Tendencia: Cuando el conjunto de los datos a pesar de sus diferentes variaciones en el
tiempo muestran una tendencia significativa.

90

80

70

60

50

40

30

20

10

0
1T 2T 3T 4T 1T 2T 3T 4T
Los métodos de series de tiempo son los siguientes:

3.1. Método Ultimo Valor Observado


𝑡+1 = 𝑿𝑡
𝑡+1 = 𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜 𝑝𝑎𝑟𝑎 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒
𝑿𝑡 = 𝑣𝑎𝑙𝑜𝑟 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑡

X Y Ŷ
1 10 -----
2 15 10
3 20 15
4 25 20
5 30 25
6 30

3.2. Método del Promedio Móvil


𝑡+𝑛−1
1
𝑡+𝑛 = ∑ 𝑋𝑖
𝑛
𝑖=𝑡
𝑑𝑜𝑛𝑑𝑒 𝒏 = 𝒌 = # 𝑑𝑒 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠 𝑎 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑎𝑟
3.3. Método del Promedio
𝑡+1 = 𝑋̂𝑖
𝑛
1
𝑡+1 = ∑ 𝑋𝑡 𝑙𝑢𝑒𝑔𝑜 𝑡+𝑘 = 𝑋̂𝑖 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑜 𝑝𝑎𝑟𝑎 𝑘 𝑝𝑒𝑟𝑖𝑜𝑑𝑜𝑠 𝑓𝑢𝑡𝑢𝑟𝑜𝑠
𝑛
𝑡=1

X Y Ŷ
1 10 -----
2 15 10
3 20 15
4 25 20
5 30 25
6 20

3.4. Método de Suavizado Exponencial


𝑡+1 = 𝐸𝑖
𝑖+1 = 𝑊𝑌𝑖−1 + (1 − 𝑊)𝑖−1

𝐸𝑖 = 𝑌𝑖 (𝑝𝑟𝑖𝑚𝑒𝑟 𝑣𝑎𝑙𝑜𝑟 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑜 𝑠𝑒𝑟𝑎 𝑒𝑙 𝑝𝑟𝑖𝑚𝑒𝑟 𝑣𝑎𝑙𝑜𝑟 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜)


𝐸𝑖 = 𝑊𝑌𝑖 + (1 − 𝑊)𝐸𝑖−1 (𝑝𝑎𝑟𝑎 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑟 𝑎 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒𝑙 𝑠𝑒𝑔𝑢𝑛𝑑𝑜 𝑑𝑎𝑡𝑜 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜)

𝑌𝑖 = 𝑣𝑎𝑙𝑜𝑟 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜 𝑑𝑒 𝑙𝑎 𝑠𝑒𝑟𝑖𝑒 𝑑𝑒 𝑡𝑖𝑒𝑚𝑝𝑜 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑖


𝐸𝑖−1 = 𝑣𝑎𝑙𝑜𝑟 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑜 𝑑𝑒 𝑚𝑎𝑛𝑒𝑟𝑎 𝑒𝑥𝑝𝑜𝑛𝑒𝑛𝑐𝑖𝑎𝑙 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 𝑒𝑛 𝑢𝑛 𝑝𝑒𝑟𝑖𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝑊 = 𝑝𝑒𝑠𝑜 𝑜 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑜 𝑎𝑠𝑖𝑔𝑛𝑎𝑑𝑜 𝑑𝑒 𝑚𝑎𝑛𝑒𝑟𝑎 𝑠𝑢𝑏𝑗𝑒𝑡𝑖𝑣𝑎 (0 < 𝑊 < 1)
𝐸𝑖 = 𝑣𝑎𝑙𝑜𝑟 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑜 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 𝑒𝑛 𝑢𝑛 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑖

X Y Ei Ŷ
1 10 10 -----
2 15 12,5 10
3 20 16,62 12,5
4 25 20,62 16,62
5 30 25,31 20,62
6 25,31

3.5. Método de Holt Winters

𝐸2 = 𝑌2
𝑇2 = 𝑌2 − 𝑌1
𝑛+𝑗 = 𝐸𝑛 + 𝐽(𝑇𝑛)
𝐸𝑖 = 𝛼(𝐸𝑖−1 + 𝑇𝑖−1 ) + (1 − 𝛼)𝑌𝑖 (Valor de suavizado)
𝑇𝑖 = 𝛽𝑇𝑖−1 + (1 − 𝛽) (𝐸𝑖 − 𝐸𝑖−1 ) (Valor de tendencia)

𝐸𝑖 = 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑜
𝛼 = 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑜 (0 < 𝛼 < 1) 𝑎𝑠𝑖𝑔𝑛𝑎𝑑𝑜 𝑠𝑢𝑏𝑗𝑒𝑡𝑖𝑣𝑎𝑚𝑒𝑛𝑡𝑒
𝐸𝑖−1 = 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑜 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝑇𝑖−1 = 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑡𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟
𝑌𝑖 = 𝑣𝑎𝑙𝑜𝑟 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜 𝑑𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑖
𝛽 = 𝑐𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑜 (0 < 𝛽 < 1) 𝑎𝑠𝑔𝑖𝑛𝑎𝑑𝑜 𝑠𝑢𝑏𝑗𝑒𝑡𝑖𝑣𝑎𝑚𝑒𝑛𝑡𝑒
𝑛+𝑗 = 𝑣𝑎𝑙𝑜𝑟 𝑝𝑟𝑜𝑛𝑜𝑠𝑡𝑖𝑐𝑎𝑑𝑜 𝑗 𝑎ñ𝑜𝑠 𝑒𝑛 𝑒𝑙 𝑓𝑢𝑡𝑢𝑟𝑜
𝐸𝑛 = 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑠𝑢𝑎𝑣𝑖𝑧𝑎𝑑𝑜 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑛 𝑚𝑎𝑠 𝑟𝑒𝑐𝑖𝑒𝑛𝑡𝑒
𝑇𝑛 = 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑡𝑒𝑛𝑑𝑒𝑛𝑐𝑖𝑎 𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 𝑒𝑛 𝑒𝑙 𝑝𝑒𝑟𝑖𝑜𝑑𝑜 𝑛 𝑚𝑎𝑠 𝑟𝑒𝑐𝑖𝑒𝑛𝑡𝑒
𝐽 = # 𝑑𝑒 𝑎ñ𝑜𝑠 𝑒𝑛 𝑒𝑙 𝑓𝑢𝑡𝑢𝑟𝑜

X Y Ei Ŷ
1 70 ----- -----
2 100 100 30
3 90 110 20
4 120 125 17,5
5 110 126,25 9,37
6 135,6

3.6. Método de Efecto Cíclico, Estacional y de Tendencia. Este método se explicara mas
adelante.
Para seleccionar el mejor método se debe hacer de forma estadística por el Mínimo Valor del
Cuadrado del Error (MCE). En el cual entre mas cerca a cero este el valor tendrá menor error.

∑ 𝑒2
𝑀𝐶𝐸 = √
𝑛

El coeficiente de determinación r2 determinara la confiabilidad del método donde 1 y -1


representa la mayor confiabilidad, 8 y -8 altamente confiable, 6 y -6 medianamente confiable y
de ahí hacia abajo la confiabilidad será nula.

Ejercicio Métodos de Regresión:

De acuerdo a los datos estime el comportamiento futuro de ventas para los próximos tres
trimestres.

1. Estimar el precio para el año 2014 a partir del tiempo con los métodos RLS, RE, RC y RPS.

2. Estimar las ventas trimestrales para el año 2014 a partir del precio y del tiempo con los métodos
RLM.

AÑO PERIODO VENTAS PRECIO


1T 10 10
2T 70 10
2010
3T 20 20
4T 100 20
1T 20 30
2T 80 30
2011
3T 30 40
4T 110 40