Un pronóstico es una afirmación sobre un evento cuya ocurrencia no es segura.

Típicamente, los pronósticos se producen sobre eventos que pueden ocurrir en el futuro.
En virtud de que los eventos para los cuales se producen pronósticos no se pueden
anticipar con certeza, una característica intrínseca de todo pronóstico es que puede fallar.

La incertidumbre asociada a los fenómenos inciertos puede provenir de, al menos, dos
fuentes distintas: la falta de conocimiento o la falta de control. La falta de control se
manifiesta a través de la variabilidad de los resultados observados.

Las técnicas estadísticas de pronóstico constituyen una valiosa herramienta para la

producción de pronósticos a partir del análisis de información previa, además de que son
precisas, confiables y reproducibles.

Las técnicas estadísticas para la producción de pronósticos operan de acuerdo a reglas

generales que, en esencia, se pueden resumir a través del siguiente algoritmo:

1. Se recolectan observaciones sobre el fenómeno.

2. Se describe el comportamiento de las observaciones
3. Se adoptan supuestos de carácter general sobre el comportamiento de las
observaciones.
4. Se establecen supuestos sobre la relación que guardan las observaciones futuras
con las observaciones que se han recolectado.
5. Se describen el comportamiento futuro del fenómeno. Es decir, se producen los
pronósticos cada uno de los cuales incluye una medida de su confiabilidad.

Este algoritmo se complementa con una etapa más de verificación o contraste del
pronóstico. Esta etapa se lleva a cabo cuando la incertidumbre sobre la ocurrencia del
evento objeto del pronóstico desaparece. En esas condiciones, el resultado del evento se
compara con el pronóstico y de esa comparación se pueden sugerir modificaciones al
procedimiento de producción de los pronósticos.

Pronósticos de series de tiempo

Promedio móvil

Un promedio móvil se construye sustituyendo cada valor de una serie por la media
obtenida con esa observación y algunos de los valores inmediatamente anteriores y
posteriores. Se considerará el promedio móvil a partir de las tres observaciones más
recientes. En este caso se utilizará la siguiente ecuación:
Promedios móviles ponderados

El método consiste en asignar un factor de ponderación distinto para cada dato.

Generalmente, a la observación o dato más reciente a partir del que se quiere hacer el
pronóstico, se le asigna el mayor peso, y este peso disminuye en los valores de datos más
antiguos.

Suavizamiento exponencial simple

El suavizamiento exponencial emplea un promedio ponderado de la serie de tiempo

pasada como pronóstico; es un caso especial del método de promedios móviles
ponderados en el cual sólo se selecciona un peso o factor de ponderación: el de la
observación más reciente. En la práctica comenzamos haciendo que F1, el primer valor de
la serie de valores uniformados, sea igual a Y1, que es el primer valor real de la serie. El
modelo básico de suavizamiento exponencial es el siguiente:

Suavizamiento exponencial doble: Método de Holt

Cuando se abordan las series de tiempo en algunos casos es identificable que el

comportamiento de un grupo de datos puede arrojar una tendencia clara e información que
permita anticipar movimientos futuros. Estimar una tendencia nos proporciona las
actualizaciones de nivel que mitigan los cambios ocasionales de una serie de tiempo.

El pronóstico de suavización exponencial doble es óptimo para patrones de demanda que

presentan una tendencia, al menos localmente, y un patrón estacional constante, en el que
se pretende eliminar el impacto de los elementos irregulares históricos mediante un
enfoque en períodos de demanda reciente.

El método de suavización exponencial doble o método de Holt usa tres ecuaciones

fundamentales:

Pronóstico para el periodo t:

La serie suavizada exponencialmente (primera suavización):

El estimado de la tendencia:

La siguiente gráfica representa la aplicación del método de Holt (Quispe

Llanos, 2013):
Regresión lineal

El análisis de regresión es una técnica estadística para investigar la relación funcional

entre dos o más variables, ajustando algún modelo matemático. La regresión lineal simple
utiliza una sola variable de regresión y el caso más sencillo es el modelo de línea recta.
Supóngase que se tiene un conjunto de n pares de observaciones (xi,yi), se busca
encontrar u

n
a recta que describa de la mejor manera cada uno de esos pares observados.
Se considera que la variable X es la variable independiente o regresiva y se mide sin error,
mientras que Y es la variable respuesta para cada valor específico xi de X.

Coeficiente de correlación [R]

El coeficiente de correlación, comúnmente identificado como r o R, es una medida de

asociación entre las variables aleatorias X y Y, cuyo valor varía entre -1 y +1.

Referencias

Alfaro, I. P. (s.f.). Universidad Nacional Autónoma de México. Obtenido de División de

Ciencias Básicas: http://www.dcb.unam.mx/profesores/irene/Notas/Regresion.pdf

Ingeniería Industrial Online. (2012). REGRESIÓN LINEAL O MÍNIMOS CUADRADOS.

Obtenido de http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/pron%C3%B3stico-de-ventas/regresi%C3%B3n-lineal/

Ingeniería Industrial Online. (2012). SUAVIZACIÓN EXPONENCIAL DOBLE: MÉTODO DE

HOLT. Obtenido de http://www.ingenieriaindustrialonline.com/herramientas-para-el-
ingeniero-industrial/pron%C3%B3stico-de-ventas/suavizaci%C3%B3n-exponencial-doble/

Universidad de Sonora. (s.f.). Series de tiempo. Obtenido de Departamento de

Matemáticas: http://www.estadistica.mat.uson.mx/Material/seriesdetiempo.pdf