PRONSTICO (Del griego prognstikon . Conjetura acerca de lo que puede suceder).

Son una de las herramientas fundamentales para la toma de desiciones dentro de las organizaciones tanto productivas como sin fines de lucro. Algunas de las reas en donde se utilizan pronsticos en la industria son la planeacin y control de inventarios, produccin, finanzas, ventas, comercializacin, entre muchas otras. OBJETIVO DE UN PRONSTICO

Reducir la incertidumbre acerca de lo que puede acontecer en el futuro proporcionando informacin cercana a la realidad que permita tomar decisiones sobre los cursos de accin a tomar tanto en el presente como en el futuro. TCNICAS ESTADSTICAS PARA LA OBTENCIN DE PRONSTICOS Estas tcnicas se basan en la existencia de patrones, en el estudio de los mismos, las transformaciones que sufren, y la influencia del ruido o perturbacin causado por factores de naturaleza aleatoria. DENTRO DE ESTAS TCNICAS SE UTILIZAN DOS ENFOQUES. En el primero se obtiene el pronstico basado en el razonamiento de que los datos de la serie de tiempo se pueden dividir o descomponer en componentes identificables que pueden presentarse o no en una determinada serie, estos componentes pueden ser la tendencia, la estacionalidad, la ciclisidad y la aleatoriedad de los datos. El pronstico se realiza combinando la proyeccin de los componentes que se presentan dentro de la serie de tiempo.

En el segundo el pronostico se obtiene a partir del anlisis estadstico de los datos que integran la serie de tiempo. TCNICAS DETERMINSTICAS O CAUSALES PARA LA OBTENCIN DE PRONSTICOS

Se basan en identificar y determinar cuales son las relaciones existentes entre la variable dependiente de inters a pronosticar y las variables independientes que la determinan al ejercer su influencia sobre ella.

SERIE DE TIEMPO

Es una secuencia ordenada de los valores numricos que toma una variable aleatoria especfica, observados a intervalos temporales de igual magnitud a lo largo de un determinado periodo del tiempo. SERIE DE TIEMPO ESTADSTICA

Es una secuencia ordenada de valores numricos que toma una variable aleatoria observados a intervalos iguales a lo largo de un determinado periodo.

COMPONENTES DE UNA SERIE DE TIEMPO

Los datos de una serie de tiempo se pueden descomponer en componentes individuales para facilitar su estudio los cuales se explican a continuacin.

TENDENCIA La tendencia de una serie de tiempo es el componente de largo plazo que representa el crecimiento o disminucin en la serie sobre un periodo amplio. Como se puede ver la tendencia es la propensin al aumento o disminucin en los valores de los datos de una serie de tiempo, que permanece a lo largo de un lapso muy extendido de tiempo, es decir que no cambiar en el futuro lejano mientras no hayan cambios significativos o radicales en el entorno en el que se encuentra inmersa y que determina el comportamiento de la serie de tiempo en estudio, cambios que podran ser originados como por ejemplo, por descubrimientos cientficos, avances tecnolgicos, cambios culturales, geopolticos, demogrficos, religiosos, etc.

ESTACIONALIDAD

El componenete estacional es un patrn de cambio que se repite a s mismo ao tras ao.

El patrn de cambio por lo general es un aumento o una disminucin cuantitativa en los valores observados de una serie de tiempo especfica. Cabe mencionar que aunque en la mayor parte de los casos el patrn estacional es un fenmeno que se presenta en lapsos de tiempo de duracin aproximada a un ao; tambin puede manifestarse ste fenmeno en periodos de tiempo, ya sean menores o mayores a un ao. Como por ejemplo, el caso de la verificacin de vehculos que se eleva en las dos primeras semanas de cada periodo de verificacin, ocurriendo esto cada dos meses, siendo ste lapso de tiempo menor a un ao. O el caso del aumento en las ventas de panfletos publicitarios, sucedido esto cada seis aos ocasionado por las elecciones presidenciales, siendo ste un lapso de tiempo mayor a un ao.

CICLISIDAD

El componenete cclico es la fluctuacin en forma de onda alrededor de la tendencia. La ciclicidad es un fenmeno que en lo general parece estar relacionado con la variacin de la actividad econmica ocurrida durante periodos de crisis o prosperidad. La fluctuacin tambin puede presentarse en series de tiempo estacionarias.

ALEATORIEDAD

El componente aleatorio mide la variabilidad de las series de tiempo despus de retirar los otros componenetes. La aleatoriedad se puede decir que se presenta en todas las series de tiempo y no es otra cosa que el cambio producido en los valores de una serie de tiempo debido a fenmenos que son en extremo difciles de explicar y que por lo tanto su ocurrencia cae en el mbito del azar.

MTODOS DE PROMEDIOS MVILES

En stas tcnicas o mtodos se atenan o suavizan los datos (es decir los valores observados en la serie de tiempo que se est analizando) obteniendo la media aritmtica de un subconjunto de los datos histricos ms recientes observados eliminando la observacin o dato histrico ms antiguo cada vez que se dispone de una nueva observacin o dato. De manera que el promedio o media aritmtica se va, por decirlo as, moviendo o desplazando, es por esto que se les conocen o nombran como promedios mviles. Basados en esas medias o promedios obtenidos se calcula el valor estimado para el siguiente periodo, o dicho de otra manera el valor pronosticado para ese periodo. Existiendo diferentes formas o variantes de hacerlo en cada mtodo o tcnica particular. El nmero de datos a tomar en cuenta para obtener los promedios, es una decisin que corresponde al juicio del analista en cuestin, es decir a la persona que est calculando los pronsticos basados en esa serie de tiempo en particular. PROMEDIO MVIL SIMPLE PROMEDIO SIMPLE Este mtodo consiste en atenuar los datos al obtener la media aritmtica de cierto nmero de datos histricos para obtener con este el pronstico para el siguiente periodo. El nmero de datos a tomar en cuenta para calcular el prodedio es una decisin de la persona que realiza el pronstico.

Este modelo solo es recomendable para series de tiempo que no presentan patrones de tendencia, estacionalidad, o ciclisidad en los datos. PROMEDIO MVIL SIMPLE

Esta tcnica se utiliza cuando se quiere dar ms importancia a conjuntos de datos ms recientes para obtener el pronstico. El pronstco se obtiene al calcular la media aritmtica del conjunto de datos ms recientes seleccionado. Cada ves que se tiene una nueva observacin se agraga esta al conjunto de datos, y se elimina de ste la observacin o dato ms antiguo. El nmero de datos ms recientes a considerar en el conjunto de observaciones del cual se calcula la media aritmtica es una decisin del analista que realiza el pronstico; la sensibilidad a los cambios en el comportamiento de la serie se reduce al utilizar un nmero mayor de observaciones en el conjunto de datos. Este modelo no maneja muy bien los datos con estacionalidad o con tendencia pero si lo hace mejor que la tcnica del promedio simple. La siguiente ecuacin establece el modelo del promedio mvile simple.

Aqu se muestra que el valor pronosticado es igual al promedio mvil.

en donde PMt es el promedio mvil en el periodo t. Pt+1 es el valor pronosticado para el siguiente periodo. Xt es el valor real observado en el periodo t. n es el nmero de datos utilizados para el clculo de la media aritmtica.

PROMEDIO MVIL DOBLE

El mtodo consiste en calcular un conjunto de promedios mviles y en seguida se calcula un segundo conjunto como prodio mvil del primero. Este mtodo se utiliza para realizar pronsticos de series que tienen una tendencia lineal lineal ya que ste mtodo maneja mejor la tendencia lineal que el Mtodo del Promedio Mvil Simple el cual presenta un rezago respecto de la serie original en estos casos.

La siguientes expresin es la ecuacin con la cual se calcula el primer promedio mvil.

Con la siguiente expresin se calcula el segundo promedio mvil.

La siguiente expresin se utiliza para calcular la diferencia entre los dos promedios mviles.

La siguiente ecuacin es un factor adicional de ajuste.

La siguiente expresin es la que se utiliza para calcular el pronstico para p periodos hacia el futuro.

en donde n es el nmero de periodos en el promedio mvil. p es el nmero de periodos a pronosticar.

MTODOS DE SUAVIZACIN DE SERIES DE TIEMPO Existen dos maneras generales comnmente utilizadas de suavizar series de tiempo. La primera es a travs de los mtodos o tcnicas conocidas como de promedios mviles y la segunda por medio de las tcnicas llamadas de suavizacin exponencial. Dentro de las de promedios mviles podemos mencionar las que siguen: El Promedio Simple, El Promedio Mvil Simple, y El Promedio Mvil Doble. El promedio simple se usa ms comnmente para fines didcticos que para anlisis reales, pero podra ser utilizado en el caso de que tengamos series de tiempo estacionarias, es decir que el valor promedio de los valores observados en la serie de tiempo en cuestin se mantenga estable, o dicho de otra forma, no cambie con el transcurrir del tiempo. Estos casos son poco comunes y en tal situacin, debido a su naturaleza, no tiene mucho sentido utilizar alguna tcnica o mtodo sofisticada para estimar un pronstico. Dentro de las tcnicas de suavizacin exponencial hay una gran variedad pero entre ellas mencionaremos unas de las ms utilizadas que son las que siguen: Suavizacin Exponencial Simple, Suavizacin Exponencial Doble (Mtodo de Brown), Suavizacin Exponencial Ajustada a la tendencia (Mtodo de Holt), Suavizacin Exponencial Simple de Respuesta Adaptativa, Suavizacin Exponencial Cuadrtica (Mtodo de Brown), Suavizacin Exponencial Triple o de Tres parmetros de Winter.

Ms adelante abundaremos ms sobre los mtodos o tcnicas de estas dos vertientes o enfoques para suavizar o atenuar series de tiempo, y la obtencin de un valor estimado o pronosticado basado en esa atenuacin.