CUADRO COMPARATIVO PRONÓSTICOS CUANTITATIVOS

métodos Pertenece qué es ? Formula utilización

Promedios móviles Series de tiempo Son series de promedios cuyos Promedio Móvil = Σ (n valores de el comportamiento de los
valores altos y bajos están datos más recientes) n datos aunque muestren un
acolchonados y se hacen menos crecimiento o un
extremos. decrecimiento lo hagan con
una tendencia constante.
Promedios Móviles Series de tiempo Permite adjudicar una importancia promedio movil ponderado=
ponderados o peso cualquiera a cada elemento  ( Pesos para el periodo n ) ( Demanda para el periodo n )
 Pesos
o periodo, siempre y cuando todos
los valores sumen 1 o 100%
Suavizamiento Series de tiempo Está diseñada para compensar la En esta modificación del
exponencial principal debilidad del promedio Ft = Ft - 1 +  ( At - 1 - Ft - 1 ) promedio móvil, las
móvil, la de no responder lo observaciones más recientes o
suficiente a los resultados más los resultados de las ventas no
recientes sólo no se incluyen, sino que
en realidad se les da más peso
en la serie de tiempo
Análisis de tendencia Series de tiempo El modelo de suavización Y = a + bx Este intento da como
exponencial arriba descrito, pero resultado una línea recta que
modificado para tomar en n  XY -  X  Y minimiza la suma de los

n  X -  X 
consideración datos con un patrón b= 2 cuadrados de las diferencias
2
de tendencia. verticales entre la línea y cada
También se conoce como
suavización exponencial doble, ya a=
 Y - b  X  una de las observaciones
reales
n  n 
que se suavizan tanto la estimación  
del promedio como la estimación
 de la tendencia utilizando dos
constantes de suavización.

Análisis de regresión Métodos causales

Modelos Métodos causales Explicar cómo se comporta
econométricos una o varias variables en
función de otras. Por ejemplo,
explicar qué le va a suceder a
la variable “Ventas de un
producto” si movemos las
variables que afectan a las
ventas.
Modelos de entrada- Métodos causales
salida
Modelo de simulación Métodos causales