Pronósticos, Series

de Tiempo y
Regresión

Capítulo 1: Introducción a los

Pronósticos
Contenido

 Pronósticos e información
 Métodos para establecer pronósticos
 Errores en los pronósticos
 Selección de una técnica para
establecer un pronóstico
 Panorama de las técnicas cuantitativas
para establecer pronósticos
Pronósticos e información

 Pronóstico: predicción de los hechos y

condiciones futuros
 Ejemplos para una empresa:
 mercadotecnia: demanda para varios productos,
en diferentes regiones y entre distintos grupos
 finanzas: tasa de interés para tomar decisiones
acerca de inversiones en capital
 administración de personal: producción futura,
para saber a cuántos emplear
 programa de producción: demanda de cada
producto
Pronósticos e información

 Ejemplos para un gobierno:

 educación: número de alumnos en cada lugar, en
cada nivel
 servicios públicos: demanda para agua y luz
 finanzas públicas: recaudación de impuestos de
varios tipos, gastos necesarios
 Ejemplos para una organización no-
gubernamental:
 recaudación de fondos
 costos de proyectos
Pronósticos e información

 Ejemplos para un individuo o una

familia:
 valor de acciones, divisas y otras
inversiones
 ingresos futuros
 costo de la universidad para los hijos
 valor de los fondos para el retiro
Pronósticos e información

 información transversal: valores

observados en un punto de tiempo
(datos transversales)
 Índice de Percepciones de Corrupción 2003, América Latina

Chile 7.4
Uruguay 5.5
Trinidad y To bago 4.6
Cuba 4.6
B elice 4.5
Co sta Rica 4.3
B razil 3.9
Jamaica 3.8
P erú 3.7
El Salvado r 3.7
Co lo mbia 3.7
M éxico 3.6
P anamá 3.4
República Do minicana 3.3
Nicaragua 2.6
A rgentina 2.5
Venezuela 2.4
Guatemala 2.4
Ho nduras 2.3
B o livia 2.3
Ecuado r 2.2
P araguay 1.6
Haití 1.5

0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0

Índice
Fuente: Transparency International Corruption Perceptions Index.
Pronósticos e información

 Serie de tiempo: sucesión cronológica

de observaciones de una variable
particular. (datos de serie de tiempo)
 Serie de Tiempo

Corrupción en México: Índice de

Percepciones de Corrupción
4
3
Score

3.7 3.6 3.6 3.6 3.5

2 3.18 3.3 3.4 3.3
2.66 3.3
1 1.87 2.23
0
1980- 1995 1997 1999 2001 2003 2005
1985 0 = completamente corrupto
Años 10= completamente limpio

Fuente: Transparency International Corruption Perceptions Index.

Pronósticos e información

 Partes de una serie de tiempo:

 Tendencia
 Ciclo
 Variaciones estacionales
 Fluctuaciones irregulares
Pronósticos e información
Indicador de Actividad Económica,
México 1993-2007
180
Índice (1993=100)
160
140
120
100
80
60
40
20
0
1993/01
1994/03
1995/05
1996/07

1997/09
1998/11
2000/01
2001/03
2002/05

2003/07
2004/09
2005/11
2007/01
Período

Fuente: INEGI
Estacionalidad
Indicador de Actividad Económica, México,
2003-2007
180
160 2003
Índice (1993=100)

140
2004
120
2005
100
80 2006
60 2007
40
20
0

Noviembre
Diciembre
Enero

Mayo
Marzo

Junio
Julio

Ocubre
Septiembre
Febrero

Abril

Agosto

Fuente: INEGI
Estacionalidad
Métodos para establecer
pronósticos
 Cualitativos
 Cuantitativos
Métodos para establecer
pronósticos
 Cualitativos: requieren una opinión
 ajuste de curva subjetivo
 Método Delphi
 comparaciones técnicas
 tendencia primaria
Métodos para establecer
pronósticos
 Cuantitativos
 modelo univariable para pronósticos
 Sepronostica el valor futuro de la variable
basado en patrones establecidos en el
pasado.
 modelos causales para establecer
pronósticoss
 variable dependiente
 variables independientes
Errores en los pronósticos

 Tipos de pronósticos
 pronóstico puntual
 pronóstico del intervalo de predicción
 Medición de los errores (et) de
pronóstico (ŷt)
Errores en los pronósticos

 Desviación absoluta = |et| = |yt -ŷt|

 Desviación absoluta media = DAM
n n

| e | | yt t  yˆ t |
DAM  t 1
 t 1
n n

 Error cuadrático = (et)2 = (yt -ŷt)2

 Error cuadrático = ECM
n n

 (e ) t
2
(y t  yˆ t ) 2
ECM  t 1
 t 1
n n
Errores en los pronósticos

Valor Valor Desviación Error

Error
real predicho Absoluta cuadrático
yt ŷt et |et| = |yt -ŷt| (et)2 = (yt -ŷt)2
25 22 3 3 9
28 30 -2 2 4
29 30 -1 1 1
Suma 0 6 14

DAM = 6/3 = 2
ECM = 14/3 = 4.67
Errores en los pronósticos

 El DAM y el ECM, en sí, no nos dicen

mucho.
 Pero sirven para comparar modelos de
pronóstico y elegir el que mejor predice
los valores.
 También sirven para monitorear el
desempeño de un modelo: cuando
aumentan de repente, significa que el
modelo ya no es tan atinado.
Errores en los pronósticos

 Otra medida es el Error Absoluto de

Porcentaje (EAP)
 útil cuando las magnitudes de las variables
cambian (e.g., Precios en México, 1992-1997)
| et | | y  yˆ t |
EAPt  (100)  t (100)
yt yt
 Error absoluto de porcentaje medio (EAPM)
n

 EAP t
EAPM  t 1
n
Selección de una Técnica para
Establecer un Pronóstico
 Factores a considerar:
 período
 patrón de los datos
 costo del pronóstico
 exactitud deseada
 disponibilidad de la información
 facilidad de operar y entender
Selección de una Técnica para
Establecer un Pronóstico
 Factores a considerar:
 período
 inmediato (< 1 mes)
 corto plazo (1-3 meses)

 medio plazo (>3 meses y < 2 años)

 largo plazo (≥2 años)

 Entre más largo el plazo, menos exactos

son los pronósticos cuantitativos y más
valiosos los pronósticos cualitativos.
Selección de una Técnica para
Establecer un Pronóstico
 Factores a considerar:
 patrón de los datos
 presencia de tendencia, ciclo, variación
estacional, o alguna combinación de ellos
 modelo univariable vs. causal
Selección de una Técnica para
Establecer un Pronóstico
 Factores a considerar:
 costo del pronóstico
 costo de desarrollar el modelo
 complejidad

 costo de conseguir los datos necesarios

 costo de la operación real de la técnica

 tipo de software requerido

Selección de una Técnica para
Establecer un Pronóstico
 Factores a considerar:
 exactitud deseada
 ¿Es aceptable un error de 20%?
 ¿10%?

 ¿5%?

 1%?
Selección de una Técnica para
Establecer un Pronóstico
 Factores a considerar:
 disponibilidad de la información
 datos historicos--¿de cuántos períodos?
¿con qué frecuencia?
 variables disponibles
 exactitud de los datos (confiabilidad)
 puntualidad de los datos (relevancia)

 Se podría requerir un procedimiento para

reunir los datos (véase “costo del
pronóstico”)
Selección de una Técnica para
Establecer un Pronóstico
 Factores a considerar:
 facilidad de operar y entender
 Enparticular, es de suma importancia que el
administrador (tomador de decisiones)
entienda el modelo y las técnicas.
Panorama de las Técnicas
Cuantitativas para Establecer
Pronósticos

 Análisis de regresión
 Series de tiempo univariables
 Métodos de Box-Jenkins
Panorama de las Técnicas
Cuantitativas para Establecer
Pronósticos
 Análisis de regresión
 variable dependiente (y)
 demanda de un producto de consumo
 variables independientes (xi)
 x1 = precio del producto
 x2 = precio promedio en la industrio de
productos similares de la competencia
 x3 = gastos de publicidad para promover el
producto
 x4 = tipo de compañía de publicidad (TV,
radio, etc.) usado para promover el producto
Panorama de las Técnicas
Cuantitativas para Establecer
Pronósticos
 Análisis de regresión
 objetivos del modelo:
 describir las relaciones entre y y x1, x2, x3 y x4.
 predecir las demandas futuras del producto con
base en los valores futuros de x1, x2, x3 y x4.
 controlar las demandas futuras del producto
mediante el control del precio del mismo, gastos
de publicidad y los tipos de campañas de
publicidad usadas.
 Nota: hay variables que no podemos controlar, por
lo tanto no podemos predecir ni controlar
perfectamente la demanda del producto.
Panorama de las Técnicas
Cuantitativas para Establecer
Pronósticos
 Series de tiempo univariables
 regresión de series de tiempo
 métodos de descomposición
 tendencia

 variación estacional
 irregular (error)

 suavización exponencial
 damás peso a las observaciones más
recientes que a las más remotas.
Panorama de las Técnicas
Cuantitativas para Establecer
Pronósticos
 Métodos de Box-Jenkins
 combina modelos para identificar el mejor
 útil cuando los componentes de la serie de
tiempo cambian con el tiempo
 puede requerir más observaciones que
otras técnicas
Conclusiones

 Un pronóstico es una predicción.

 Existen varias metodologías:
 cualitativa vs. cuantitativa
 univariable vs. causal
 sencillo vs. Box-Jenkins
 Al escoger la metodología adecuada,
hay que tomar en cuenta varios factores.