La previsión es el proceso de hacer predicciones basadas en datos pasados y presentes y, más comúnmente, mediante el análisis de tendencias. Un ejemplo común podría ser la estimación de alguna variable de interés en una fecha futura específica. La predicción es un término similar, pero más general. Ambos pueden referirse a métodos estadísticos formales que emplean series de tiempo , datos transversales o longitudinales , o alternativamente a métodos de juicio menos formales. El uso puede diferir entre las áreas de aplicación: por ejemplo, en hidrología , los términos "pronóstico" y "pronóstico" a veces se reservan para estimaciones de valores en un futuro específico. veces, mientras que el término "predicción" se usa para estimaciones más generales, como la cantidad de veces que ocurrirán inundaciones durante un período prolongado.
El riesgo y la incertidumbre son fundamentales para la previsión y la predicción; generalmente se considera una buena práctica indicar el grado de incertidumbre asociado a los pronósticos. En cualquier caso, los datos deben estar actualizados para que la previsión sea lo más precisa posible. En algunos casos, los datos utilizados para predecir la variable de interés son en sí mismos pronósticos. [1]
Los paquetes de software de pronóstico están disponibles en los últimos años; el tema ha merecido críticas académicas. [2] [3]
Las técnicas de pronóstico cualitativo son subjetivas, basadas en la opinión y juicio de consumidores y expertos; son apropiados cuando no se dispone de datos anteriores. Por lo general, se aplican a decisiones de mediano o largo alcance. Ejemplos de métodos de pronóstico cualitativos son [ cita requerida ] opinión y juicio informados, el método Delphi , la investigación de mercado y la analogía histórica del ciclo de vida.
Los modelos de pronóstico cuantitativo se utilizan para pronosticar datos futuros en función de datos pasados. Son apropiados para usar cuando se dispone de datos numéricos pasados y cuando es razonable suponer que se espera que algunos de los patrones en los datos continúen en el futuro. Estos métodos generalmente se aplican a decisiones de corto o mediano alcance. Ejemplos de métodos de pronóstico cuantitativos son [ cita requerida ] demanda del último período, promedios móviles simples y ponderados de N-períodos, suavización exponencial simple , pronóstico basado en el modelo de proceso de Poisson [4]e índices estacionales multiplicativos. Investigaciones anteriores muestran que diferentes métodos pueden conducir a diferentes niveles de precisión de pronóstico. Por ejemplo, se descubrió que la red neuronal GMDH tiene un mejor rendimiento de pronóstico que los algoritmos de pronóstico clásicos, como Single Exponential Smooth, Double Exponential Smooth, ARIMA y la red neuronal de propagación inversa. [5]
En este enfoque, las predicciones de todos los valores futuros son iguales a la media de los datos pasados. Este enfoque se puede utilizar con cualquier tipo de datos en los que se disponga de datos anteriores. En notación de serie de tiempo: