Tipos de pronósticos 

Selección de un método de pronóstico 

Software especializado para pronósticos     

Conceptos estadísticos mínimos necesarios para la elaboración de pronósticos   

Estadísticas descriptivas             

Medidas de localización             

Medidas de variabilidad             

Medidas de distribución             

Detección de valores atípicos             

Medidas de asociación (correlación)   

 Presentación de la información             

Gráficos de líneas             

Gráficos de barras (histogramas)             

Gráficos de caja   

Inferencia estadística              

Pruebas de hipótesis             

Valor probable (p-value)     

Series de tiempo: la materia prima para la elaboración de pronósticos   

Definición de series de tiempo 

Componentes de una serie de tiempo: elementos y descomposición             

Tendencia: lineal y curvas (no lineal)             

Estacionalidad: ajuste de datos y pronóstico             

Ciclicidad: filtros             

Irregularidad Selección de la técnica de pronóstico apropiada según los componentes de la serie     

Técnicas de pronóstico 1: cuando se dispone una única variable, se tienen valores históricos, y se requiere de pronósticos de ejecución rápida y elaboración fácil.   Modelos informales Modelos de promedios (medias móviles) Modelos de suavizamiento             Para irregularidad (simples)             Para tendencia (dobles)             Para tendencia y estacionalidad (Holt-Winters) Medidas para evaluar la precisión del pronóstico             Error de pronóstico             Error cuadrático medio (MSE)             Raíz del error cuadrático medio (RMSE)             Desviación absoluta media (MAD)             Error absoluto porcentual medio (MAPE) Error porcentual medio (MPE)     Técnicas de pronóstico 2: cuando se dispone de varias variables y se espera poder establecer relaciones de causa-efecto entre ellas.   Introducción: regresión lineal Impacto de una variable sobre otra: interpretación y evaluación de los coeficientes de regresión Bondad de ajuste del modelo: Coeficiente de determinación Diferencias entre la realidad y los pronósticos: Análisis de los residuales ¿Qué tan bien elaborado está el modelo para pronósticos?: validación de supuestos     Técnicas de pronóstico 3: cuando se dispone de variables históricas (series de tiempo). Alternativas para la correcta elaboración de modelos de pronóstico.   El concepto de estacionariedad y su importancia en los pronósticos             Definición             Pruebas informales (gráficas)             Pruebas formales (raíz unitaria)   Alternativas de modelos de regresión si se observa que: Las variables son estacionarias             Las variables no son estacionarias y muestran "falsas" relaciones: regresión espuria             Las variables no son estacionarias: cointegración (impacto largo plazo)             Las variables son cointegradas : modelo de corrección de errores (impacto corto plazo)             Las variables no son estacionarias y no son cointegradas.     Técnicas de pronóstico 4: cuando se dispone una única variable, se tienen valores históricos, se requiere de pronósticos que se ajusten muy bien a los patrones históricos de los datos y, en términos de ejecución, se dispone de tiempo suficiente para la elaboración minuciosa de modelos.   Introducción a los modelos ARIMA (modelos de Box-Jenkins) Metodología para la construcción de modelos ARIMA 1 Estacionariedad 2 Identificación 3 Estimación 4 Validación 5 Pronóstico Elaboración asistida (automática) de Modelos ARIMA Modelos para variables que incorporan volatilidad Modelos ARCH Modelo GARCH