2.

7 PRONÓSTICOS BASADOS EN FACTORES DE

TENDENCIA Y ESTACIONALES
 Introducción
Como se indicó anteriormente el primer pasó en un análisis de series de tiempo,
consiste en graficar los datos y observar sus tendencias en el tiempo. Primero debe
determinarse si parece haber un movimiento hacia arriba o hacia abajo a largo plazo
en la serie (una tendencia) o si la serie parece oscilar alrededor de una recta
horizontal en el tiempo. En este caso (es decir, no hay tendencia positiva o negativa
a largo plazo.
Los métodos que pueden emplearse para suavizar nuestros datos usualmente
son:
a) El método de promedios móviles

El método de pronóstico móvil se utiliza cuando se quiere dar más importancia a

conjuntos de datos más recientes para obtener la previsión. Cada punto de una
media móvil de una serie temporal es la media aritmética de un número de puntos
consecutivos de la serie, donde el número de puntos es elegido de tal manera que
los efectos estacionales y / o irregulares sean eliminados.

¿Cuándo utilizar un pronóstico de promedio móvil?

El pronóstico de promedio móvil es óptimo para patrones de demanda aleatoria o

nivelada donde se pretende eliminar el impacto de los elementos irregulares
históricos mediante un enfoque en períodos de demanda reciente.
 b) El método de suavización exponencial

En el método de suavización o suavizamiento exponencial se calcula el promedio

de una serie de tiempo con un mecanismo de autocorrección que busca ajustar los
pronósticos en dirección opuesta a las desviaciones del pasado mediante una
corrección que se ve afectada por un coeficiente de suavización.

Así entonces, este modelo de pronóstico precisa tan sólo de tres tipos de datos: el
pronóstico del último período, la demanda del último período y el coeficiente de
suavización.
¿Cuándo utilizar un pronóstico de suavización exponencial simple?

El pronóstico de suavización exponencial es óptimo para patrones de demanda

aleatorios o nivelados donde se pretende eliminar el impacto de los elementos
irregulares históricos mediante un enfoque en períodos de demanda reciente, este
posee una ventaja sobre el modelo de promedio móvil ponderado ya que no requiere
de una gran cantidad de períodos y de ponderaciones para lograr óptimos
resultados.
 Conclusión

El objetivo de ambos métodos es el de “emparejar” la serie y proporcionar un

panorama global a largo plazo. Por otro lado, si de hecho existe una tendencia, se
pueden aplicar varios métodos de pronóstico de series de tiempo al manejar datos
anuales, y otro método para los datos de series de tiempo mensual o trimestral.