Regresión lineal

Método estadístico que ayuda a predecir el comportamiento de una variable Dependiente (Y) con
respecto a una variable Independiente (X), en el mundo real, resulta muy útil entender la relación
que existe entre las diferentes variables de negocio, como por ejemplo, las ventas con los ingresos, y
si nos detenemos a pensar, no es difícil entender que estas dos variables están fuertemente
relacionadas.

Características

 Para aplicar este método, es importante que los datos tengan un patrón de linealidad, sin
importar, que sea creciente o decreciente, recordemos que la ecuación de una Linea Recta
es Y = aX + b, donde a es la pendiente de la recta y b el punto donde corta la recta en el eje
de las ordenadas, en el eye vertical.
 Una medida apropiada para saber si es el escenario adecuado para aplicar la regresión lineal
es el coeficiente de correlación R.
 Este método sirve para determinar la relación que tiene una variable independiente con una
o variable Dependiente.

Promedio Móvil

Consiste en atenuar los datos al obtener la media aritmética de cierto número de datos históricos
para obtener con este el pronóstico para el siguiente periodo. El número de datos a tomar en cuenta
para calcular el promedio es una decisión de la persona que realiza el pronóstico.

 Es recomendable para series de tiempo que no presentan patrones de tendencia,

estacionalidad, o ciclicidad en los datos.
 se utiliza cuando se quiere dar más importancia a conjuntos de datos más recientes para
obtener el pronóstico
 Este modelo no maneja muy bien los datos con estacionalidad o con tendencia, pero si lo
hace mejor que la técnica del promedio simple.

Alisamiento Exponencial

Pertenece a la categoría de Series de Tiempo, es decir, aquellos métodos donde se utiliza información
de la demanda histórica para poder pronosticar el futuro. Su nombre se debe a que cada incremento
del pasado se reduce en (1 – α) por lo cual se considera válido que la importancia de los datos
disminuye en la medida que son más antiguos.

Para poder generar un pronóstico a través del método de Alisamiento Exponencial necesitamos el
pronóstico más reciente, la demanda que se presentó para ese período y una constante de
suavizamiento α (alfa).

El valor del parámetro alfa es entre 0 y 1. En esta escala para valores de alfa relativamente pequeños
se reducen las variaciones de corto plazo asociadas al pronostico lo cual es razonable cuando la
demanda real tiene un comportamiento relativamente estable. Sin embargo, si la demanda presenta
cambios significativos en el corto plazo nos interesará seguir éstos más de cerca y en ese caso
debiéramos seleccionar una constante alfa más grande.

Mínimos cuadrados

Método estadístico utilizado para localizar una línea que refleja la relación entre dos variables, de tal
manera que la suma de los cuadrados de las distancias verticales de los puntos a la línea sea inferior
a ésta suma de cuadrados desde cualquier otra línea recta. Se emplea a veces para desglosar el
comportamiento fijo-variable del coste; cada punto del gráfico representa la relación coste-volumen
para un período de tiempo concreto y una línea ajustada a estos puntos indica el comportamiento.

El método de mínimos cuadrados es un método que sirve para proyectar las ventas de futuros
períodos con base a ventas de gestiones pasadas.

Como cualquier otro, el método de mínimos cuadrados debe ser ajustado en caso de que existan
factores que cambien las condiciones y situaciones, tanto económicas, políticas, de mercado,
capacidad, tanto externas como internas.