Calculadora de Pronostico por Regresion Lineal (Minimos Cuadrados, R2 e Intervalo de Prediccion)

Que calcula esta herramienta

La calculadora toma tu serie de demanda y ajusta una recta de tendencia con minimos cuadrados, y luego te devuelve dos cosas que van juntas: el pronostico del siguiente periodo y la calidad de esa recta sobre tu propio historial. Le das los periodos a proyectar, el nivel de confianza que quieres para la banda, si prefieres un intervalo de prediccion para un valor futuro o un intervalo de confianza para la tendencia media, y pegas el historial de demanda con un valor por linea. Con eso calcula la ecuacion de tendencia D = a + b t, la pendiente b por periodo, la ordenada al origen a, el coeficiente de determinacion R2, el error estandar de estimacion Se, la banda para el proximo periodo y un veredicto de si la tendencia es real. No es un solo numero suelto: es el numero mas su margen de error y una lectura de si conviene usarlo.

Lo que separa a esta herramienta de trazar una recta a ojo en una hoja de calculo es que califica el ajuste antes de que uses el pronostico. El R2 te dice que fraccion de la variacion de la demanda explica la recta, de 0 a 1; el error estandar Se te dice el tamano tipico de la falla de un periodo, en las mismas unidades que tu demanda; y el veredicto de significancia combina la pendiente, el Se y el R2 para decirte si la tendencia que ves es senal o ruido. Asi no proyectas una recta por costumbre, sino porque los numeros dicen que la recta describe de verdad tu serie.

El otro diferenciador es visual. La herramienta grafica los puntos observados como puntos azules, la recta ajustada como una linea verde que los atraviesa, los puntos proyectados como puntos ambar sobre el horizonte que pediste, y la banda de pronostico como una franja sombreada que se abre en abanico a medida que te alejas del centro de los datos. En una sola imagen se ve lo que las tablas esconden: que tan cerca pasa la recta de los puntos, hacia donde apunta la tendencia, y cuanto se ensancha la incertidumbre cuanto mas lejos proyectas. Ese abanico es el recordatorio grafico de por que la extrapolacion lejana es arriesgada.

Como funciona: las formulas de la regresion lineal

La regresion lineal ajusta la demanda D contra un indice de tiempo t = 1, 2, 3, …, n, que supone periodos igualmente espaciados. La recta tiene la forma D = a + b t, y los minimos cuadrados eligen los valores de a y b que hacen minima la suma de los errores al cuadrado entre cada punto observado y la recta. Conviene fijar la notacion desde el principio porque cambia entre libros: aqui a es la ordenada al origen, es decir el valor de la recta cuando t vale su punto de partida, y b es la pendiente, es decir cuanto cambia la demanda por cada periodo que avanza. En algunos textos escolares veras la forma y = a x + b, donde a es la pendiente y b la ordenada; en la mayoria de los textos de operaciones se usa la forma D = a + b t que usamos aqui, con a como ordenada al origen y b como pendiente. Lo importante no es la letra sino el rol: la pendiente es el cambio por periodo, la ordenada al origen es el nivel de arranque.

La pendiente se calcula con b = [ n por suma(t por D) menos suma(t) por suma(D) ] entre [ n por suma(t al cuadrado) menos (suma t) al cuadrado ]. La ordenada al origen sale despues con a = media(D) menos b por media(t), lo que garantiza que la recta pase por el punto promedio de los datos. El valor de tendencia para cualquier periodo es F(t) = a + b t, y para proyectar simplemente evaluas esa formula en t = n+1, luego t = n+2, y asi hacia adelante. Cada paso hacia el futuro sube o baja exactamente la pendiente b, por eso el pronostico de la regresion es una recta con pendiente y no una linea plana.

Para medir el ajuste se calculan dos sumas de cuadrados. La suma de cuadrados de los errores es SSE = suma((D menos F) al cuadrado), la parte que la recta no logra explicar; la suma total de cuadrados es SST = suma((D menos media(D)) al cuadrado), la variacion total de la demanda alrededor de su promedio. Con ellas, el coeficiente de determinacion es R2 = 1 menos SSE/SST, la fraccion de la variacion de la demanda que explica la recta de tendencia. Un R2 cercano a 1 significa que los puntos caen casi sobre la recta; un R2 cercano a 0 significa que la recta no explica casi nada. El coeficiente de correlacion es r = signo(b) por raiz(R2), que va de menos 1 a mas 1 y comparte el signo de la pendiente.

El error estandar de estimacion es Se = raiz(SSE/(n menos 2)). Se divide entre n menos 2, y no entre n, porque se estimaron dos parametros de los datos, la pendiente y la ordenada al origen, y eso consume dos grados de libertad. El Se esta en las mismas unidades que tu demanda y es, en la practica, el tamano tipico de una falla de un periodo alrededor de la recta. Es la pieza central para construir las bandas, porque la incertidumbre de cualquier pronostico futuro se escala a partir del Se.

Para las bandas se define Sxx = suma(t al cuadrado) menos (suma t) al cuadrado entre n, y se toma el valor t_crit de la distribucion t de Student para n menos 2 grados de libertad al nivel de confianza elegido. El intervalo de prediccion, para una demanda futura real en el periodo t0, es F0 mas o menos t_crit por Se por raiz(1 mas 1/n mas (t0 menos media(t)) al cuadrado entre Sxx). El intervalo de confianza, para el nivel medio de la tendencia en t0, es F0 mas o menos t_crit por Se por raiz(1/n mas (t0 menos media(t)) al cuadrado entre Sxx), sin el 1 inicial. Los dos se abren en abanico a medida que t0 se aleja de la media de t, por eso una extrapolacion lejana siempre es menos certera. La diferencia entre ambos es ese 1 dentro de la raiz, que hace al intervalo de prediccion siempre mas ancho, y mas adelante los distinguimos con detalle.

La significancia de la pendiente se mide con t_stat = b entre (Se entre raiz(Sxx)). Un valor absoluto grande de t_stat, junto con un R2 muy por encima de 0, significa que hay una tendencia real; una pendiente casi nula, con un t_stat pequeno y un R2 bajo, significa que no hay tendencia, y entonces proyectar una recta solo devuelve el promedio de la serie con ruido. En ese caso conviene un promedio movil o suavizamiento exponencial en lugar de la regresion.

La tabla de sumas del caso por defecto

La forma mas clara de ver de donde salen la pendiente y la ordenada al origen es armar la tabla de sumas. Para la serie por defecto 120, 135, 132, 150, 160, 155, 172, 180 sobre 8 periodos, con t = 1 a 8, se calculan cinco cantidades. El numero de datos es n = 8; la suma de los indices de tiempo es suma(t) = 36; la suma de la demanda es suma(D) = 1204; la suma de los productos es suma(t por D) = 5760; y la suma de los cuadrados del tiempo es suma(t al cuadrado) = 204. De ahi salen la media del tiempo, media(t) = 4.5, la media de la demanda, media(D) = 150.5, y la cantidad Sxx = 204 menos (36 al cuadrado) entre 8 = 204 menos 162 = 42.

Con esos valores, la pendiente es b = [ 8 por 5760 menos 36 por 1204 ] entre [ 8 por 204 menos 36 al cuadrado ] = [ 46080 menos 43344 ] entre [ 1632 menos 1296 ] = 2736 entre 336 = 8.143 por periodo. La ordenada al origen es a = 150.5 menos 8.143 por 4.5 = 113.86. La ecuacion de tendencia queda D = 113.86 + 8.143 t. Al evaluarla en t = 9 se obtiene el pronostico del siguiente periodo, F(9) = 113.86 + 8.143 por 9 = 187.14. Sobre esta serie, el ajuste da R2 = 0.942, r = 0.971 y Se = 5.34. Mostrar la aritmetica hace transparente el pronostico: cualquiera puede rehacer los mismos pasos y llegar a los mismos 187.14.

Minimos cuadrados y la recta de tendencia

La idea de los minimos cuadrados es sencilla y potente. Entre todas las rectas posibles que podrias trazar por una nube de puntos, hay una sola que hace minima la suma de las distancias verticales al cuadrado entre cada punto y la recta. Esa es la recta de minimos cuadrados, y es la que ajusta la calculadora. Se elevan al cuadrado las distancias, y no se toman en valor absoluto, por dos razones: para que los errores positivos y negativos no se cancelen, y para castigar mas las fallas grandes que las pequenas. El resultado es la recta que mejor resume la tendencia global de la serie.

La pendiente b es el corazon del pronostico por tendencia, porque es cuanto cambia la demanda por cada periodo que pasa. Una pendiente de 8.143 significa que, en promedio, la demanda sube unas ocho unidades por periodo; una pendiente negativa significaria una caida sostenida. La ordenada al origen a fija la altura de la recta, y aunque a veces no tiene una interpretacion fisica directa cuando el indice de tiempo arranca en 1, es indispensable para ubicar la recta a la altura correcta. Juntas, a y b definen por completo la recta y, con ella, cualquier valor de tendencia hacia el pasado o el futuro.

Es clave entender que la recta captura una tendencia global y unica. La regresion lineal no sigue los altibajos de corto plazo como lo hace el suavizamiento; traza una sola direccion para toda la serie y la mantiene. Por eso brilla cuando la demanda sube o baja de forma pareja, y por eso falla cuando hay estacionalidad o curvatura, patrones que una sola recta no puede seguir. La proyeccion hacia adelante es la extrapolacion de esa recta: se supone que la misma pendiente sigue vigente en los periodos futuros, un supuesto razonable a corto plazo pero cada vez mas fragil cuanto mas lejos proyectas.

Leer R2, r y el error estandar Se

El coeficiente de determinacion R2 es la primera cifra que debes mirar, porque responde una pregunta directa: que fraccion de la variacion de la demanda explica la recta de tendencia. Va de 0 a 1. Un R2 de 0.942, como en el caso por defecto, significa que la recta explica el 94.2% de la variacion de la demanda, y solo el 5.8% queda como ruido alrededor de la linea; ese es un ajuste fuerte y usable. Un R2 cercano a 0 significa que la recta no explica casi nada, que la demanda apenas tiene tendencia y que proyectar una linea es extrapolar ruido. El R2 no juzga si la pendiente es grande o pequena, solo que tan bien caen los puntos sobre la recta.

El coeficiente de correlacion r es la raiz cuadrada del R2 con el signo de la pendiente, y va de menos 1 a mas 1. Un r cercano a mas 1 indica una relacion lineal creciente fuerte, uno cercano a menos 1 una relacion decreciente fuerte, y uno cercano a 0 la ausencia de relacion lineal. En el caso por defecto, r = 0.971 confirma una relacion creciente muy marcada. El r y el R2 dicen lo mismo desde dos angulos: el r conserva la direccion, el R2 se interpreta directo como porcentaje de variacion explicada.

El error estandar de estimacion Se completa el cuadro, porque el R2 es relativo y el Se es absoluto. El Se esta en las mismas unidades que tu demanda y mide el tamano tipico de una falla de un periodo alrededor de la recta. En el caso por defecto, un Se de 5.34 sobre una demanda que ronda las 150 unidades dice que un periodo cualquiera suele caer a unas cinco unidades de la recta, una dispersion pequena. Dos series pueden tener el mismo R2 pero Se muy distintos si estan en escalas diferentes, por eso conviene leer los dos: el R2 te dice que tan lineal es la relacion, el Se te dice cuanto se equivoca la recta en unidades reales. El Se ademas es la base de las bandas, porque la incertidumbre del pronostico se escala a partir de el.

Intervalo de prediccion contra intervalo de confianza

Esta es la distincion que mas se confunde en la practica, y separar los dos intervalos es una de las cosas que hace bien esta herramienta. Los dos se construyen a partir del mismo pronostico central F0 y del mismo error estandar Se, pero responden preguntas distintas y tienen anchos distintos. El intervalo de prediccion es la banda para una demanda futura real, un valor individual que todavia no ocurre; el intervalo de confianza es la banda para el nivel medio de la tendencia en ese periodo, es decir donde estaria la recta verdadera. El primero es lo que usas para planear inventario; el segundo describe la incertidumbre sobre la linea misma.

La diferencia matematica es un solo termino. El intervalo de prediccion lleva un 1 extra dentro de la raiz, F0 mas o menos t_crit por Se por raiz(1 mas 1/n mas (t0 menos media(t)) al cuadrado entre Sxx), mientras que el intervalo de confianza omite ese 1, F0 mas o menos t_crit por Se por raiz(1/n mas (t0 menos media(t)) al cuadrado entre Sxx). Ese 1 representa la variabilidad de un dato individual alrededor de la recta, que se suma a la incertidumbre de donde esta la recta. Por eso el intervalo de prediccion siempre es mas ancho que el de confianza: predecir un solo valor futuro es mas incierto que estimar el promedio de la tendencia.

Los dos comparten una propiedad importante: se abren en abanico a medida que t0 se aleja de la media de t. Cerca del centro de los datos la banda es mas estrecha, porque ahi la recta esta mejor determinada; lejos del centro, hacia el futuro, el termino (t0 menos media(t)) al cuadrado crece y la banda se ensancha. Esa es la traduccion matematica de una intuicion sana: la recta la conoces mejor donde tienes datos, y cada vez peor cuanto mas la extrapolas. Para planear, usa casi siempre el intervalo de prediccion, porque planeas contra una demanda real, no contra el promedio de una recta; reserva el intervalo de confianza para hablar de la tendencia media en si.

El veredicto de tendencia significativa

Una recta se puede ajustar a cualquier serie, incluso a una que solo tiene ruido alrededor de un nivel fijo. La pregunta que importa no es si se puede trazar la recta, sino si la pendiente que devuelve es real o es un artefacto del azar. Para responderla, la herramienta calcula el estadistico t_stat = b entre (Se entre raiz(Sxx)), que compara el tamano de la pendiente contra su propia incertidumbre. Un t_stat grande en valor absoluto significa que la pendiente es muchas veces mayor que su error, es decir, una tendencia solida; un t_stat cercano a cero significa que la pendiente podria ser cero, es decir, ninguna tendencia distinguible del ruido.

El veredicto combina ese t_stat con el R2 para darte una lectura en palabras. En el caso por defecto, el t_stat de 9.88, junto con un R2 de 0.942, produce el veredicto de tendencia creciente significativa: la pendiente de unas ocho unidades por periodo es senal, no ruido, y el pronostico de 187.14 es confiable dentro de su banda. En cambio, cuando el t_stat es pequeno y el R2 es bajo, el veredicto avisa que no hay tendencia significativa, y ahi la recta no aporta nada sobre simplemente promediar la serie.

La consecuencia practica es directa. Cuando el veredicto dice que no hay tendencia, proyectar una recta equivale a extrapolar el promedio con un poco de ruido, y estas mejor con un metodo de suavizamiento que sigue el nivel. La herramienta te apunta a esas alternativas: el promedio movil promedia los ultimos periodos dentro de una ventana, y el suavizamiento exponencial pesa mas los datos recientes. Para una serie plana, cualquiera de los dos es mejor que forzar una recta que no describe nada.

Cuando la regresion es la herramienta equivocada

La regresion lineal ajusta una sola recta global, y esa fortaleza es tambien su limite. El primer caso donde falla es la estacionalidad. Si tu demanda sube en ciertas temporadas y baja en otras de forma repetida, una recta no puede seguir ese vaiven; lo aplana en una sola direccion y deja un R2 mediocre con residuos que forman un patron en lugar de dispersarse al azar. Para ese patron se necesita un componente estacional. El Indice Estacional es la herramienta hermana de este silo pensada justo para eso, porque conserva la senal de las temporadas que la regresion aplana; por ahora se menciona como referencia, ya que ajustar una recta sobre demanda estacional siempre subestima o sobreestima segun la temporada.

El segundo caso es la curvatura. La regresion lineal supone que el cambio por periodo es constante, la misma pendiente todo el tiempo. Si tu demanda acelera o desacelera, por ejemplo un crecimiento que se aplana al madurar un producto, una recta pasa por encima en el centro y por debajo en los extremos, o al reves, y deja residuos estructurados en forma de curva. Un R2 razonable no basta para descartar curvatura; conviene mirar el grafico y ver si los puntos se doblan de manera sistematica alrededor de la recta. Cuando hay curvatura, una recta subestima el pronostico en la direccion hacia la que se dobla la serie.

El tercer caso son los valores atipicos y las series cortas. Como los minimos cuadrados elevan los errores al cuadrado, un solo punto muy alejado jala la recta hacia el con fuerza y puede torcer la pendiente y la ordenada al origen. Revisa los picos por una promocion fuerte o un pedido unico antes de ajustar. Y una serie corta, de menos de cinco periodos, da intervalos muy anchos e inestables, porque hay poca informacion para estimar la pendiente y su error; con tan pocos datos, un cambio pequeno mueve mucho el resultado. El ultimo error frecuente es reportar solo el pronostico puntual sin la banda: un numero sin su intervalo esconde cuanta incertidumbre tiene, sobre todo lejos del centro de los datos.

Preparar una serie de demanda limpia

El pronostico es tan bueno como la serie que le das, asi que vale la pena preparar el historial antes de pegarlo. La regresion supone periodos igualmente espaciados, un valor por periodo sin huecos, porque el indice de tiempo t = 1, 2, 3 asume que cada paso es una unidad de tiempo constante. Rellena o reconstruye los periodos faltantes antes de meter la serie; un hueco tratado como si el siguiente dato fuera el periodo consecutivo desalinea todo el indice de tiempo y tuerce la pendiente. Manten una sola frecuencia, mensual o semanal, sin mezclar periodos de distinta duracion.

Lo segundo es usar demanda real, no ventas. Cuando hubo un faltante, las ventas cayeron porque no habia producto, no porque no hubiera clientes; si ajustas una recta sobre esas ventas censuradas, la pendiente sale mas plana de lo que deberia y subestimas la tendencia real. En lo posible, reconstruye la demanda de los periodos con faltante. Revisa tambien los picos atipicos por una promocion o un pedido unico, porque con los minimos cuadrados un solo punto extremo mueve la recta entera.

Lo tercero es tener suficiente historial. Con muy pocos periodos, la estimacion de la pendiente es inestable y las bandas salen muy anchas, porque el error estandar se divide entre n menos 2 y con n pequeno ese denominador es diminuto. Una buena practica es dar al modelo al menos cinco a ocho periodos, y de preferencia mas, y reajustar la recta a medida que llega nueva demanda, para que la pendiente siga el ritmo actual de tu serie en lugar de quedarse anclada en historia vieja. La herramienta acepta un valor por linea, con el periodo mas reciente al final, que es de donde salen el pronostico y la proyeccion.

Cinco ejemplos resueltos

Ejemplo 1: la serie por defecto, derivacion completa con la tabla de sumas

Serie 120, 135, 132, 150, 160, 155, 172, 180 sobre 8 periodos, con t = 1 a 8. La tabla de sumas da n = 8, suma(t) = 36, suma(D) = 1204, suma(t por D) = 5760, suma(t al cuadrado) = 204, con media(t) = 4.5, media(D) = 150.5 y Sxx = 204 menos 162 = 42. La pendiente es b = [ 8 por 5760 menos 36 por 1204 ] entre [ 8 por 204 menos 1296 ] = 2736 entre 336 = 8.143 por periodo; la ordenada al origen es a = 150.5 menos 8.143 por 4.5 = 113.86; la ecuacion queda D = 113.86 + 8.143 t. El ajuste da R2 = 0.942, r = 0.971 y Se = 5.34, y el pronostico del siguiente periodo es F(9) = 113.86 + 8.143 por 9 = 187.14. La leccion es que un R2 cercano a 0.94 con una pendiente de unas 8 unidades por periodo es una tendencia fuerte y usable; mostrar la aritmetica hace el pronostico transparente y reproducible.

Ejemplo 2: proyeccion de varios periodos y la banda en abanico

La misma serie por defecto, con un intervalo de prediccion al 95%, proyectada a tres periodos. En t = 9 el pronostico es 187.14, con banda de 170.58 a 203.71; en t = 10 el pronostico es 195.29, con banda de 177.53 a 213.04; en t = 11 el pronostico es 203.43, con banda de 184.38 a 222.49. El pronostico puntual sube exactamente la pendiente de 8.143 en cada paso, de 187.14 a 195.29 a 203.43. Pero la banda se ensancha cuanto mas lejos proyectas: en t = 9 mide unas 33 unidades de ancho, y en t = 11 ya pasa de 38. La leccion es que el centro de la proyeccion avanza en linea recta, pero la incertidumbre crece con la distancia, y por eso la extrapolacion de largo plazo es cada vez mas riesgosa.

Ejemplo 3: intervalo de prediccion contra intervalo de confianza y el nivel de confianza

La misma serie, evaluada en t = 9. El intervalo de prediccion al 95%, para una demanda futura real, va de 170.58 a 203.71; el intervalo de confianza al 95%, para el nivel medio de la tendencia, va de 176.96 a 197.33, mas estrecho porque omite el 1 inicial dentro de la raiz. Cambiar el nivel de confianza mueve el ancho: al 90% el intervalo de prediccion se aprieta a 173.99 a 200.30, y al 99% se abre a 162.05 a 212.24. La leccion tiene dos partes: usa el intervalo de prediccion para planear contra una demanda real, y reserva el intervalo de confianza para describir solo la recta media; y recuerda que un nivel de confianza mas alto compra una banda mas ancha, porque cubrir mas casos exige mas margen.

Ejemplo 4: una tendencia decreciente

Serie 820, 780, 760, 705, 690, 640, 610 sobre 7 periodos, una demanda que cae de forma sostenida. La regresion da una pendiente b = menos 35.0 por periodo, una ordenada al origen a = 855.0, un R2 = 0.990 y un Se = 8.37. El pronostico del siguiente periodo (t = 8) es 575.00, con un intervalo de prediccion al 95% de 546.84 a 603.16. La leccion es que la regresion maneja las tendencias a la baja igual que las de subida: la pendiente negativa de menos 35 es la caida por periodo, y un R2 cercano a 0.99 dice que el descenso es casi perfectamente lineal. El signo de la pendiente no cambia el metodo, solo la direccion de la recta.

Ejemplo 5: una serie plana, sin tendencia

Serie 100, 104, 98, 101, 99, 103, 97, 102 sobre 8 periodos, que oscila alrededor de un nivel fijo. La regresion da una pendiente casi nula, b = menos 0.095, un R2 = 0.009 y un t_stat = menos 0.23, asi que el veredicto es que no hay tendencia significativa. El pronostico del siguiente periodo, 100.07, se ubica dentro de una banda muy ancha de 91.90 a 108.24. La leccion es el espejo de los casos con tendencia: un R2 casi cero y una pendiente cercana a cero significan que la recta no explica practicamente nada, y no debes proyectar una tendencia que no existe. Para una serie estacionaria como esta, usa el promedio movil o el suavizamiento exponencial, que siguen el nivel sin inventar una direccion.

Tres consejos de experto

Lee el R2 y el veredicto antes de confiar en la pendiente

Un R2 alto con una pendiente claramente distinta de cero significa que la recta ajusta bien y que la proyeccion tiene sentido; un R2 bajo o una pendiente cercana a cero significa que la serie es plana, estacional o curva, y que una proyeccion lineal solo extrapola ruido. La herramienta calcula el veredicto por ti a partir del t_stat y del R2, y te apunta a un promedio movil o a suavizamiento exponencial cuando la tendencia no es real. No mires la pendiente sola: una pendiente de 8 unidades por periodo es senal si el R2 la respalda, y es azar si el R2 es cercano a cero. Deja que el ajuste, y no el deseo de ver una tendencia, decida si proyectas la recta.

Pronostica con el intervalo de prediccion, no con un solo numero

El pronostico puntual es apenas el centro del rango. El intervalo de prediccion es la banda honesta para una demanda futura real, y se ensancha cuanto mas lejos proyectas, asi que cita la banda, dimensiona el stock de seguridad contra su borde superior, y trata una banda muy ancha en el largo plazo como una advertencia de no extrapolar tan lejos. No confundas el intervalo de prediccion con el de confianza: el primero cubre un valor individual y es mas ancho, el segundo describe solo la recta media. Para planeacion de inventario casi siempre quieres el de prediccion, porque planeas contra la demanda que de verdad puede ocurrir.

Manten la serie lineal, limpia y suficientemente larga

La regresion ajusta una sola recta global, asi que captura una tendencia pareja pero no la estacionalidad ni la curvatura; deseasonaliza primero si tu demanda tiene un patron que se repite. Ademas es sensible a los valores atipicos porque eleva los errores al cuadrado, y una serie corta, de menos de unos cinco periodos, da bandas anchas e inestables. Alimenta periodos igualmente espaciados, sin huecos y con suficiente historia, usa demanda real y no ventas censuradas, y reajusta la recta a medida que llega nueva demanda para que la pendiente siga el ritmo actual de tu serie en lugar de quedarse anclada en datos viejos.

Donde encaja esta calculadora

Sirve a quien planea o audita demanda con tendencia: planeadores que fijan el pronostico base de un articulo que crece o decrece de forma sostenida, analistas de inventario que dimensionan el stock de seguridad a partir del error del pronostico, responsables de compras que deciden cuanto pedir para los proximos periodos, y equipos de operaciones que quieren un pronostico defendible y transparente antes de invertir en un modelo mas complejo. La idea es tener el pronostico del siguiente periodo, la ecuacion de la recta, la calidad del ajuste y la banda de incertidumbre en numeros claros, para llevar a la mesa de planeacion una recomendacion que cualquiera pueda revisar y reproducir.

La regresion lineal es una de las herramientas centrales del silo de pronostico, y se conecta de forma natural con sus calculadoras hermanas. Cuando tu serie no tiene una tendencia significativa, sus alternativas directas ya estan en linea: el promedio movil pesa por igual los ultimos periodos dentro de una ventana, y el suavizamiento exponencial reparte pesos que decrecen de forma geometrica para dar mas voz a lo reciente. Cuando tu demanda tiene temporadas repetidas, el Indice Estacional conserva esa senal que la recta aplana; cuando quieres comparar metodos y vigilar el error con una senal de rastreo, las Metricas de Error de Pronostico van mas a fondo en la exactitud; y cuando la demanda es erratica, la Clasificacion XYZ te dice si un metodo de tendencia siquiera aplica. Estas ultimas tres calculadoras hermanas todavia no estan en linea; en cuanto se publiquen, seran las companeras directas de esta herramienta. Mientras tanto, vuelve al hub de Pronosticos y Analitica para ver el conjunto completo, o explora el silo hermano de Cadena de Suministro, donde el pronostico alimenta el inventario, el punto de reorden y el flete.

Estandares y buenas practicas

La regresion lineal por minimos cuadrados, con la ecuacion D = a + b t, el coeficiente de determinacion R2, el coeficiente de correlacion r, el error estandar de estimacion Se y los intervalos de prediccion y de confianza basados en la distribucion t de Student, son material base de cualquier curso y manual de estadistica, planeacion de demanda y gestion de operaciones, no la receta de una sola empresa. La pendiente sale de b = [ n por suma(t por D) menos suma(t) por suma(D) ] entre [ n por suma(t al cuadrado) menos (suma t) al cuadrado ]; la ordenada al origen de a = media(D) menos b por media(t); el R2 de 1 menos SSE/SST; el Se de raiz(SSE/(n menos 2)); y las bandas escalan el Se con el valor t_crit y la distancia al centro de los datos. Son convenciones estables y ampliamente ensenadas.

Los numeros de referencia ayudan a leer tu caso. Un R2 cercano a 1 con un t_stat grande indica una tendencia solida y una recta usable; un R2 bajo con una pendiente cercana a cero indica que no hay tendencia y que conviene un metodo de suavizamiento. Un Se pequeno frente a la escala de tu demanda dice que la recta pasa cerca de los puntos; un Se grande avisa de mucha dispersion alrededor de la linea. El intervalo de prediccion siempre es mas ancho que el de confianza, y ambos se abren en abanico al alejarse del centro de los datos. Estos umbrales son guias generales; tu contexto, el costo de un faltante y la variabilidad natural de tu producto mandan sobre cualquier regla fija.

Como toda estimacion, los resultados de esta calculadora son un punto de partida para planeacion y educacion, no una garantia de la demanda futura. Ningun metodo estadistico ve un cambio de mercado, una promocion nueva o un evento fuera de lo comun antes de que ocurra, y una recta supone que la tendencia pasada continua, cosa que rara vez se sostiene por muchos periodos. Usa la regresion para el pronostico base cuando hay tendencia, vigila el R2 y el veredicto para saber cuando cambiar de metodo, y complementa el numero con el juicio de quien conoce el negocio. Esta calculadora y su guia las construye y revisa el equipo de OpsCalculators; consulta nuestra Politica Editorial para saber como se investiga, construye y prueba cada herramienta.

Preguntas frecuentes

Que es el pronostico por regresion lineal?

Es un metodo que ajusta una sola recta de tendencia a tu serie de demanda con minimos cuadrados y luego la extiende hacia el futuro. La recta tiene la forma D = a + b t, donde t es el indice de tiempo, b es la pendiente, es decir cuanto cambia la demanda por periodo, y a es la ordenada al origen, el nivel de arranque de la recta. Para pronosticar, evalua la recta en el siguiente periodo. A diferencia del suavizamiento, que sigue los altibajos recientes, la regresion traza una direccion global unica para toda la serie, asi que brilla cuando la demanda sube o baja de forma pareja.

Que diferencia hay entre la pendiente b y la ordenada al origen a?

La pendiente b es cuanto cambia la demanda por cada periodo que avanza; es el corazon del pronostico por tendencia. La ordenada al origen a es el valor de la recta en el punto de partida del indice de tiempo, y fija la altura de la linea. Cuidado con la notacion, que cambia entre libros: en la forma de operaciones D = a + b t, a es la ordenada y b la pendiente; en la forma escolar y = a x + b, a suele ser la pendiente y b la ordenada. Lo importante es el rol, no la letra: pendiente es cambio por periodo, ordenada al origen es nivel de arranque. En el caso por defecto, b = 8.143 y a = 113.86.

Que es el metodo de minimos cuadrados?

Es el criterio que elige la recta de tendencia. Entre todas las rectas posibles por una nube de puntos, los minimos cuadrados eligen la que hace minima la suma de las distancias verticales al cuadrado entre cada punto y la recta. Se elevan al cuadrado las distancias para que los errores positivos y negativos no se cancelen y para castigar mas las fallas grandes. El resultado es la recta que mejor resume la tendencia global de la serie. Por elevar al cuadrado, el metodo es sensible a los valores atipicos: un solo punto muy alejado jala la recta con fuerza.

Que significa el R2 y cuando es bueno?

El coeficiente de determinacion R2 mide que fraccion de la variacion de la demanda explica la recta de tendencia, de 0 a 1. Un R2 de 0.942 significa que la recta explica el 94.2% de la variacion y solo el 5.8% queda como ruido; ese es un ajuste fuerte. Un R2 cercano a 0 significa que la recta no explica casi nada y que la serie apenas tiene tendencia. El R2 no dice si la pendiente es grande o pequena, solo que tan bien caen los puntos sobre la recta. Como guia general, un R2 alto con una pendiente clara indica una tendencia usable; un R2 bajo indica que conviene un metodo de suavizamiento.

Que es el error estandar de estimacion Se?

El error estandar de estimacion Se = raiz(SSE/(n menos 2)) es el tamano tipico de una falla de un periodo alrededor de la recta, en las mismas unidades que tu demanda. Se divide entre n menos 2 porque se estimaron dos parametros, la pendiente y la ordenada al origen, lo que consume dos grados de libertad. En el caso por defecto, un Se de 5.34 sobre una demanda que ronda 150 dice que un periodo cualquiera suele caer a unas cinco unidades de la recta. El Se es la base de las bandas: la incertidumbre de cualquier pronostico futuro se escala a partir de el.

Cual es la diferencia entre intervalo de prediccion e intervalo de confianza?

El intervalo de prediccion es la banda para una demanda futura real, un valor individual que aun no ocurre; el intervalo de confianza es la banda para el nivel medio de la tendencia, es decir donde estaria la recta verdadera. La diferencia matematica es un 1 extra dentro de la raiz en el intervalo de prediccion, que lo hace siempre mas ancho. En el caso por defecto en t = 9, el intervalo de prediccion al 95% va de 170.58 a 203.71 y el de confianza de 176.96 a 197.33. Para planear inventario usa el de prediccion, porque planeas contra una demanda real; el de confianza describe solo la recta media.

Por que la banda se ensancha cuanto mas lejos proyecto?

Porque las dos bandas contienen el termino (t0 menos media(t)) al cuadrado entre Sxx, que crece a medida que el periodo t0 se aleja del centro de los datos. Cerca de la media del tiempo la recta esta mejor determinada y la banda es estrecha; lejos, hacia el futuro, la recta esta peor determinada y la banda se abre en abanico. Es la traduccion matematica de una intuicion sana: conoces la recta mejor donde tienes datos y cada vez peor cuanto mas la extrapolas. En la serie por defecto, la banda de t = 9 mide unas 33 unidades y la de t = 11 ya pasa de 38.

Como sabe la herramienta si hay una tendencia real?

Calcula el estadistico t_stat = b entre (Se entre raiz(Sxx)), que compara la pendiente contra su propia incertidumbre. Un t_stat grande en valor absoluto, junto con un R2 muy por encima de 0, significa una tendencia solida; un t_stat cercano a cero con un R2 bajo significa que no hay tendencia distinguible del ruido. Con eso arma un veredicto en palabras. En el caso por defecto, un t_stat de 9.88 y un R2 de 0.942 dan el veredicto de tendencia creciente significativa; en la serie plana del ejemplo 5, un t_stat de menos 0.23 y un R2 de 0.009 dan el veredicto de que no hay tendencia significativa.

La regresion lineal maneja estacionalidad?

No. La regresion ajusta una sola recta global, asi que no puede seguir un patron que sube y baja por temporadas. Sobre demanda estacional, la recta aplana el vaiven en una sola direccion y deja residuos que forman un patron en lugar de dispersarse al azar. Para ese caso se necesita un componente estacional, ya sea un indice estacional que ajusta el pronostico por temporada o un metodo que modele la estacionalidad de forma explicita. El Indice Estacional es la herramienta hermana de este silo pensada para eso. Si tu serie tiene un patron semanal o mensual repetido, no fuerces una recta.

Que hago si mi serie no tiene tendencia?

Si el veredicto dice que no hay tendencia significativa, con un R2 bajo y una pendiente cercana a cero, no proyectes una recta, porque solo estarias extrapolando ruido. Para una serie que oscila alrededor de un nivel fijo, un metodo de suavizamiento sigue mejor el nivel sin inventar una direccion. Usa el promedio movil, que promedia los ultimos periodos dentro de una ventana, o el suavizamiento exponencial, que pesa mas los datos recientes. Los dos ya estan en linea y son la alternativa correcta cuando la demanda es estacionaria en lugar de tener tendencia.

La regresion funciona con tendencias a la baja?

Si, igual que con las de subida. Una tendencia decreciente simplemente da una pendiente negativa; todo lo demas funciona igual. En el ejemplo de una serie que cae, 820, 780, 760, 705, 690, 640, 610, la regresion da una pendiente de menos 35.0 por periodo, una ordenada al origen de 855.0, un R2 de 0.990 y un pronostico del siguiente periodo de 575.00. El signo de la pendiente solo indica la direccion de la recta; el metodo, el R2, el Se y las bandas se calculan de la misma forma. Un R2 cercano a 0.99 dice que la caida es casi perfectamente lineal.

Cuantos periodos necesito para usar la regresion?

Tecnicamente bastan tres, porque el error estandar se divide entre n menos 2, pero con tan pocos datos las bandas salen muy anchas e inestables. Una serie corta, de menos de unos cinco periodos, da estimaciones de pendiente fragiles: un cambio pequeno mueve mucho el resultado. Una buena practica es dar al modelo al menos cinco a ocho periodos, y de preferencia mas, para que la pendiente y su error sean estables. Ademas conviene reajustar la recta a medida que llega nueva demanda, para que la tendencia refleje el ritmo actual de tu serie en lugar de quedarse anclada en historia vieja.

Que significa el coeficiente de correlacion r?

El coeficiente de correlacion r es la raiz cuadrada del R2 con el signo de la pendiente, y va de menos 1 a mas 1. Un r cercano a mas 1 indica una relacion lineal creciente fuerte, uno cercano a menos 1 una relacion decreciente fuerte, y uno cercano a 0 la ausencia de relacion lineal. El r y el R2 dicen lo mismo desde dos angulos: el r conserva la direccion de la relacion, y el R2 se interpreta directo como la fraccion de variacion explicada. En el caso por defecto, r = 0.971 confirma una relacion creciente muy marcada, coherente con el R2 de 0.942.

Por que se divide entre n menos 2 y no entre n en el Se?

Porque para ajustar la recta se estimaron dos parametros a partir de los datos, la pendiente b y la ordenada al origen a, y cada parametro estimado consume un grado de libertad. Quedan n menos 2 grados de libertad para estimar la dispersion alrededor de la recta, asi que el error estandar de estimacion divide la suma de cuadrados de los errores entre n menos 2 en lugar de entre n. Esto corrige el hecho de que la recta ya se ajusto para pasar lo mas cerca posible de los puntos, lo que subestimaria la dispersion si se dividiera entre n. Los mismos n menos 2 grados de libertad fijan el valor t_crit de las bandas.

En que se diferencia la regresion del suavizamiento exponencial?

La regresion ajusta una sola recta global y supone que la misma pendiente sigue vigente hacia el futuro, asi que su proyeccion es una recta con pendiente constante. El suavizamiento exponencial no ajusta una recta fija: actualiza el pronostico periodo a periodo, pesando mas los datos recientes, y el metodo de Holt puede seguir una tendencia que cambia con el tiempo. La regresion es ideal para una tendencia pareja y estable; el suavizamiento se adapta mejor cuando el nivel o la pendiente se mueven. Puedes comparar ambos, ya que la calculadora de suavizamiento exponencial esta en linea.

Esta calculadora es gratis y guarda mis datos?

Si, la herramienta es gratis y sin registro, y todo el calculo ocurre en tu navegador. La serie que ingresas nunca se envia a un servidor, ni se guarda, ni se comparte. Ademas puedes descargar un PDF limpio, exportar un CSV o compartir el resultado por WhatsApp. Esta calculadora es para fines de planeacion y educacion; el pronostico es un punto de partida basado en tu historial, no una garantia de la demanda futura, asi que complementa el numero con el juicio de quien conoce el negocio, cita la banda de prediccion en lugar de un solo numero, y vigila el R2 y el veredicto para saber cuando cambiar de metodo.