Prospectiva

1. Mtodo Delphi
2. Mtodo de analoga
3. Extrapolacin
4. Aplicar una asociacin estadstica
5. Aplicar un modelo causal
6. Determinar el lmite
7. Evaluar y describir la incertidumbre

Visiones del futuro

Cuando miramos hacia el futuro, podemos elegir nuestro punto de vista de entre dos
alternativas, del mismo modo que al estudiar al momento presente. La vista en el futuro
puede as ser o descriptivo o normativo. La diferencia est que en el caso anterior
aceptamos el futuro como viene y en el ltimo caso deseamos lo cambiar.
La vista descriptiva al futuro apunta generalmente a descubrir el futuro ms probable.
Esta vista es normal cuando usted no puede afectar el futuro. Usted apenas desea
saberlo de modo que usted pueda prepararse al inevitable, como al tiempo que har
maana. Este acercamiento tradicionalmente se ha llamado pronstico, o prediccin.
Intenta contestar a la pregunta: Qu ocurre al objeto A en el tiempo B si la evolucin se
deja continuar sin interferir?
Otro variante menos comn del acercamiento descriptivo es la utopa, una narrativa
detallada de un futuro posible o hipottico que no necesita ser el ms probable. Los
escritores de utopas, comenzando de Platn y de Thomas More, dejan generalmente la
cuestin de la probabilidad a la discrecin de su pblico. Una utopa se puede tambin
escribir como advertencia, un ejemplo ofendedor para ser evitado, en el estilo de la
novela de pesadilla 1984 por George Orwell.
Las novelas de Jules Verne han demostrado que la ficcin puede emitir ideas
constructivas a los diseadores de productos nuevos. Algunas compaas grandes han
descubierto recientemente que no necesitan depender de los escritores de ciencia ficcin
en la creacin de utopas. Ellos mismos han comenzado proyectos de diseo de
concepto que no apuntan a crear productos verdaderos pero apenas generen las ideas
para productos originales imaginables en el futuro, que se utilizarn en el planeamiento
estratgico, para la educacin interna de personal y para la publicidad. Estas visiones
incluyen a menudo utopas de maneras futuras potenciales de vivir, donde productos de

la compaa completamente novedosos pueden encontrar un mercado a su debido

tiempo.
Una caracterstica curiosa de pronstico descriptivo es su tendencia de autorrealizacin,
es decir una prediccin que sabe toda la gente a menudo se realiza. Se parece que
cuando la gente cree en un pronstico, algunos de estas personas tambin quieren
adaptarse a este futuro aparentemente inevitable, por ejemplo dando su voto al ganador
predicho de una eleccin. Escrituras santas antiguas predijeron que los judos se migran
un da en la tierra prometida, y finalmente esto se ocurro. Un tercer ejemplo es la moda
predicha en revistas de modas - mucha gente desea llevar la moda ms nueva, ellos
compran lo que es recomendado por las revistas, y as la moda predicha se convierte en
realidad.
El acercamiento normativo al futuro significa que usted piensa que usted puede afectar
el desarrollo. Usted quizs sabe cul clase de futuro usted desea, pero usted no est
seguro del mejor mtodo de obtenerlo. Un estudio normativo del futuro intenta contestar
a preguntas tales como:
1. Qu sigue si el objeto A se somete a la manipulacin B?
2. Qu manipulaciones son necesarias para obtener el estado de las cosas A hasta
el tiempo B?
Un proyecto normativo a menudo comienza con un estudio descriptivo del problema y
entonces continua con el planeamiento de las mejoras y finalmente con la accin
prctica para hacerlas verdades. De esta manera puede conseguir una fundacin segura
para el planeamiento, y perspectivas mejores del xito en la realizacin. Un ejemplo de
este acercamiento es el sistema moderno de pronosticar y manejar las tendencias de la
moda. El procedimiento consiste en dos fases. La inicial fase descriptiva contiene
estudiar estilos de vida de la gente, peridicos y revistas de moda, y predecir las
preferencias de los clientes sobre los estilos y colores de la ropa, los coches etc. durante
dos aos prximos. Esta fase concluye con una conferencia con industrias mayores en el
campo, donde las blancos para el desarrollo de la moda se fijan. El segundo normativo
paso es una campaa vigorosa descriptiva para persuadir las revistas de modas y
finalmente los clientes a creer que este estilo nuevo est de moda verdaderamente.
La vista normativa implica necesariamente evaluaciones, y llega a ser necesario definir
a la gente cuyo punto de vista ser utilizado en la evaluacin, vase Cuyo punto de
vista se usa? o Puntos relevantes de la visin. Generalmente slo el estado final del
desarrollo predicho o planeado se evala, en otras palabras los procedimientos internos
del pronstico normativo incluyen raramente evaluaciones subjetivas. Estas fases del
pronstico normativo se asemejan as al acercamiento descriptivo, y los mismos
mtodos se pueden utilizar en ambos tipos de pronstico.
Varios mtodos alternativos se utilizan en el pronstico, dependiendo de la naturaleza
de la informacin que est disponible para sostener el pronstico.
Generalmente tres tipos de informacin se necesitan simultneamente como una base de
un pronstico: datos recientes que describen el estado actual del fenmeno, y algn
conocimiento sobre el patrn normal del desarrollo del fenmeno a largo plazo. La

ltima informacin se puede presentar de varias maneras alternativas, tpicamente como

sigue:

Un modelo general del desarrollo normal o usual de esta clase de objetos o

fenmenos. Especialmente tiles son los modelos que definen una invariante
dinmica del fenmeno.

Datos del desarrollo histrico del fenmeno en cuestin. El modo de presentar

stos depende del tipo de datos. Para datos numricos, una serie temporal es el
mtodo normal; para las formas de productos, una serie cronolgica de retratos
(vase un ejemplo). Adems, las presentaciones escritas y verbales son siempre
posibles.

Qu fuente es mejor, un modelo o los datos? Los datos empricos vienen del mismo
fenmeno que se predecir, y no de otros casos estudiados ms temprano, y su validez
es as mejor. En vez de eso, los casos de que un modelo se ha obtenido, pueden venir de
otro contexto diferente del fenmeno que ser predicho. Por otra parte, un modelo se
basa generalmente en datos desde muchos casos y tiene una mayor probabilidad de
quedar vlido en el futuro tambin.
En el caso que tanto un modelo como una serie temporal estn disponibles, usted tiene
la posibilidad de hacer dos pronsticos concurrentes con mtodos diferentes.
Compararlos hace una prueba excelente de sus confiabilidades.
De todas formas, cuando se usa un modelo causal como base de una prediccin,
debemos tener en mente que el modelo normalmente ha sido producido estudiando
cierta poblacin, lo que significa que el modelo es vlido slo en ese contexto. No
debemos generalizar demasiado y creer que el modelo ser tambin vlido en el entorno
futuro que estamos pronosticando. Cuando generalizar, se debe considerar lo siguiente:

Qu aspectos del entorno futuro van probablemente o posiblemente a diferir del

contexto del objeto original de estudio? Vase tambin Evaluar los resultados de
un estudio de bibliografa.

Estas diferencias pueden influir nuestros resultados?

Tanto modelos tericos como series temporales empricas que sern utilizados en
pronstico tienen que ser producidos por una investigacin anterior sobre el fenmeno o
sobre otros fenmenos similares, pero esta investigacin no necesita se hacer por el
mismo cientfico que hace el pronstico. Especialmente las teoras generales de
fenmenos a menudo han sido descubiertas y publicadas ya mucho anterior por otros
investigadores. Un estudio de la literatura pertenece as a las tareas iniciales normales en
un proyecto del pronstico.
La estructura lgica del pronstico (las lneas rojas en el diagrama a la derecha) consiste
esencialmente en el reunir, integrar y manipular informacin disponible sobre el
fenmeno. Como el diagrama demuestra, esta informacin tiene que ser obtenida de
fuentes algo diversas: de empiria, de un nivel conceptual de los estudios de caso, y del
nivel conceptual ms sofisticado de modelos generales. La naturaleza de la informacin

y su modo de presentacin son diferentes en cada nivel, y ello tambin prescribe en gran
parte los mtodos disponibles
para el pronstico, como puede
ser visto en la tabla abajo.
Conocimiento
disponible para
pronosticar

Mtodo
de
pronst
ico

Conocimientohabilidad (se puede

tambin usar
conocimiento tcito)

Mtodo
Delphi

Modelo basado en otros

sistemas comparables

Un modelo
cualitativo,
verbal,
analgico o
simblico
Un modelo
cuantitativo o
aritmtico

Una tendencia: el
desarrollo reciente en el
sistema que ha de
predecirse, como
definido por una serie
de observaciones:

Mtodo
de la
analoga

Observaciones
cualitativas
(descripciones
verbales)

Extrapo
lacin
-a
partir de
las
ltimas
observa
ciones o

-a
partir de
todos
Presentaciones los
hallazgo
ilustradas
(pictricas) de s
- tal vez
los resultados
(por ejemplo, las dentro
de
historias
descriptivas de lmites
productos u
otras
presentaciones

icnicas)

Datos cuantitativos (serie cronolgica)

Asociacin estadstica entre las variables que han de predecirse

Aplicar una asociacin

estadstica

Una explicacin causal para el fenmeno que ha de predecirse:

asociacin cuantitativa, como la regresin, y su

explicacin causal
causalidad explicada en trminos cualitativos, como una
explicacin de motivos, una explicacin biogrfica, o
una explicacin del desarrollo

Aplicacin de un
modelo causal

Todos los mtodos que aparecen aqu arriba se tratarn ms adelante. En algunos casos
ser quizs posible combinar algunos de los mtodos para mejorar la credibilidad del
pronstico. En esta obra, a continuacin, tras la presentacin de estos mtodos se tratan
los medios de que disponemos para calcular y expresar la incertidumbre de los
pronsticos.

Mtodo Delphi
El mtodo ms primitivo de pronstico es adivinar. El resultado puede ser calificado de
aceptable si la persona que hace la adivinacin es un experto en el asunto. Una cosa
importante que hay que hacer notar es que la adivinacin es el nico mtodo que puede
hacer uso del conocimiento tcito que el especialista no ha sido capaz de expresar en
palabras o cifras exactas. El mejor mtodo para obtener tal pronstico del experto es la
entrevista no estructurada. El mtodo de la entrevista nos permite inquirir sobre las
razones y explicaciones para el pronstico presentado, que podra optar por criticar y as
intentar llegar a un pronstico mejorado. Cuando entrevistamos a un experto puede que
tambin aprendamos algo que ms tarde podamos usar si preferimos construir nuestros
propios pronsticos con otros mtodos.
Podemos en ocasiones conseguir nombres y direcciones de expertos que vivan lejos y a
los que sera difcil entrevistar. Ejemplos de fuentes potenciales de expertos:
Poblaciones de evaluadores. Para consultar a tales expertos, podemos recurrir a un
cuestionario en lugar de a la entrevista. Si deseamos preguntar a varias personas
simultneamente, podramos considerar el uso del mtodo Delphi.
En al mtodo Delphi, el investigador dirige preguntas idnticas a un grupo de expertos,
pidindoles que den sus suposiciones sobre el futuro desarrollo del tema especfico. En
el siguiente paso, el investigador hace un sumario de todas las respuestas que ha
recibido, las enva a sus correspondientes y les pregunta si algn experto quiere revisar
su respuesta original.
Puesto que es difcil hacer sumarios de algo distinto de respuestas cuantitativas, las

preguntas que se usan en el procedimiento Delphi suelen ser cuantitativas, como "Cul
ser el precio del crudo en dentro de 20 aos?" Sobre la base de este tipo de respuestas,
el investigador ser capaz de calcular por ejemplo las medias y los rangos. Una ventaja
del mtodo es que siempre se puede usar el rango como una medida de la fiabilidad del
pronstico.
Por supuesto, nada impide que se usen preguntas cualitativas o de cualquier otro tipo si
la naturaleza del objeto as lo exige.
Si los encuestados se prestan al esfuerzo suplementario, se les puede pedir que
justifiquen su opinin, especialmente si difiere de la de la mayora.
El procedimiento Delphi se repite normalmente hasta que los encuestados ya no tengan
intencin de ajustar sus respuestas.
El mtodo Delphi no es muy fiable. Despus, con los resultados de cuestionarios, suele
que se haba predicho el curso real de los acontecimientos notablemente mal. La
mayora de incluso eminentes especialistas puede equivocarse, y aquellas pocas
personas que podran haber hecho una prediccin correcta, tal vez nunca se habran
seleccionado para el grupo Delphi de expertos. "Si hubieras predicho el colapso del
muro de Berln un ao antes de que ocurriera, habras mostrado que no eres un experto
en poltica."

Mtodo de la analoga
La mayora de los mtodos de pronstico utilizan algn tipo de modelo que se supone
reproduce las relaciones entre los diversos aspectos, atributos, y variables de los
acontecimientos que se predicen. El ms simple mtodo de adquirir tal modelo est
disponible si podemos trovar un sistema "forneo" que ha alcanzado un estadio
relativamente posterior o ms maduro en el desarrollo que el sistema "domstico" sobre
el que estamos pronosticando.
Ser a menudo imposible encontrar un sistema
extranjero que sera absolutamente idntico al
sistema domstico. Habitualmente el sistema
forneo, o su entorno, tienen varios rasgos que
difieren del que se va a predecir, lo que va en
detrimento de la credibilidad de nuestra
prediccin. As que tendremos probablemente
que hacer cierto nmero de correcciones. Una
diferencia tpica entre los sistemas se refiere a
su tamao (junto a la obvia diferencia de que el
sistema "forneo" ha sido medido en el pasado y el sistema "domstico" ha de continuar
en el futuro).
El proceso de pronosticar con analoga es:
1. Explora el desarrollo reciente del sistema domstico.
2. Encuentra un sistema extranjero que ha experimentado el desarrollo similar.
Consiga los datos de l.

3. Descubra el punto del tiempo t cuando el sistema extranjero estaba en un estado

semejante que el sistema domstico ahora est.
4. Compense para las diferencias entre los sistemas caseros y extranjeros,
eliminando e.g. la diferencia del tamao multiplicando los datos del sistema
extranjero por la proporcin de los tamaos.
5. Los datos del sistema extranjero, a partir del tiempo t hasta presente, se pueden
ahora tomar como pronstico para el sistema domstico, comenzando del
presente.
Casos tpicos del mtodo de la analoga son las predicciones de economas nacionales.
El sistema forneo se toma de los EE.UU. o cualquier otro pas "desarrollado", y este
modelo se aplica entonces para predecir la economa nacional de un pas "menos
desarrollado". Las variables tpicas pronosticadas de este modo estn vinculadas a la
produccin industrial, el Producto Nacional Bruto, y a cifras que describan el consumo,
como el nmero de coches y la cantidad de trfico.
En los ejemplos de ms arriba los sistemas se describen con variables cuantitativas; sin
embargo, podemos igualmente usar el mtodo de la analoga incluso cuando nuestros
modelos son cualitativos. En hecho, puede manejar cualquier formato de la descripcin
de un desarrollo temporal. Un ejemplo del pronstico cualitativo se puede encontrar en
el libro de Oswald Spengler (1880 - 1936), Untergang des Abendlandes (1918, 1922)
[La decadencia de Occidente], que explica el desarrollo tpico de las culturas antiguas
de China, de Egipto, de Roma y de algunos otras que han prosperado en su tiempo y
despus se han marchitado. Spengler encontr que las culturas son procesos que
comparten un modelo comn del desarrollo. l entonces hizo la prediccin que la
cultura occidental que todava est en el desarrollo seguir el mismo patrn. En esta
parte de su tratado, Spengler cre as una analoga entre los objetos de la misma
categora (es decir entre las culturas).
Por otra parte, Spengler (y adems Arnold J. Toynbee en el libro A Study of History,
1935-39) dibuj la analoga ms lejos y afirm que el patrn del desarrollo cultural es
tambin anlogo a la sucesin de las estaciones del ao, es decir el primavera, el verano,
el otoo y el invierno, e incluso a las vidas de plantas y de animales que nacieron,
crecieron, florecieron, declinaron y murieron; Spengler hizo la prediccin de que la
cultura occidental, de forma anloga, seguira el mismo patrn. En otras palabras,
Spengler ampli la analoga de una especie de sistemas (las culturas) a otra (animales y
plantas).
Otro ejemplo de una analoga entre objetos de categoras diferentes es el libro de Alvin
Toffler The third wave [La tercera ola] (1980), donde la analoga de la ola es usada para
describir la evolucin desde la sociedad agrcola a la industrial, y ms tarde a la
sociedad de la informacin.
De hecho, las analogas bravas entre objetos de tipos diferentes (vase ejemplos de
stos) pueden generar a veces las hiptesis frtiles para la discusin, pero si usted deseo
justo hacerla un pronstico plausible es generalmente ms seguro restringir la analoga a
una sola clase de objetos. Piense si usted intent predecir el desarrollo de coches
haciendo una analoga a las computadoras? Quizs concluya usted que los coches

deben pronto funcionar en 10,000 millas por hora, mientras que su peso disminuy a
unos pocos gramos?
Incluso esas analogas que mantienen a una clase sola de objetos sufren a menudo de
varios factores irregulares que afectan el sistema casero diferentemente que el
extranjero. Usted puede intentar disminuir su influencia usando ms que un sistema
extranjero, si est disponible. Es decir usted hace unos pronsticos paralelos y combina
los resultados. Todava mejore, si usted puede encontrar el patrn general que todos los
sistemas siguen. Si es posible usted puede avanzar a mtodos ms confiables del
pronstico como Aplicar un modelo estadstico o Aplicar un modelo causal.
Una ms debilidad del mtodo de la analoga es que es difcil determinar la
incertidumbre de sus resultados.

Extrapolacin
La extrapolacin es el mtodo ms habitual de pronstico. Se basa en suponer que el
curso de los acontecimientos continuar en la misma direccin y con velocidad
constante (o con una velocidad creciente o decreciente a un ritmo constante = una
extrapolacin logartmica).
La base para una extrapolacin ser el conocimiento sobre el
reciente desarrollo del fenmeno. Necesitaremos al menos dos
(aunque habitualmente tenemos ms) observaciones secuencias
hechas en puntos conocidos en el tiempo. El principio se muestra en
la figura a la derecha.
1. comenzamos con dos o ms observaciones que se hicieron en distintos puntos en
el tiempo, (t= -1 y t= 0, en el diagrama),
2. nos fijamos en las diferencias entre ellas (cuantitativas o cualitativas),
3. aadimos estas diferencias al informe de la ltima observacin,
4. y aqu tenemos nuestro pronstico (la lnea roja en el diagrama).
Usted tendr la opcin de medir la diferencia d como valor absoluto o como progreso
proporcional. La medida absoluta significa que el cambio contina en velocidad
constante. La evolucin proporcional, por ejemplo "el aumento 10% a la observacin
precedente" significa que el paso del cambio est aumentando (o disminuyendo). Esta
alternativa a veces se llama " extrapolacin logartmica ", ve la figura abajo.
Si tenemos ms de dos observaciones, tenemos la opcin de elegir el nmero de
observaciones sobre el que basaremos la extrapolacin. Si sentimos que las ltimas
observaciones tienen mejor capacidad predictiva que las anteriores, puede que
prefiramos hacer caso omiso de las primeras observaciones. Una alternativa es dar ms
peso a las ltimas observaciones que a las primeras. Si decidimos usar un amplio
nmero de observaciones (en otras palabras, estamos extrapolando la tendencia)
probablemente desearemos hacer los clculos con un programa de anlisis de regresin
si los datos son cuantitativos.

El mtodo de extrapolacin se aplica

tpicamente a las variables cuantitativas.
Adems, la prediccin muchas veces se
desarrolla tambin en trminos verbales
cualitativos, para hacer ms fcil que sea
aprehendida. Un ejemplo es el libro
Megatrends de Naisbitt (1982).
No obstante, nada impide extrapolar tendencias que se describan enteramente en
trminos cualitativos. Suele ser prctico el describir los productos existentes con ayuda
de imgenes y otros modelos icnicos, y esta forma de presentacin es prctica incluso
para las extrapolaciones. En el libro Industrial Design, Raymond Loewy combin dos
enfoques: el histrico y el predictivo. En la pgina 74 del libro encontramos el "grfico
de evolucin del diseo" que muestra el desarrollo de 1900 a 1942 (a la derecha). La
ltima imagen es el pronstico de Loewy que ste cre sobre la base de la tendencia de
la serie entera, siendo aqu la tendencia principal el movimiento gradual hacia un diseo
ms aerodinmico.
La debilidad innata de toda extrapolacin estriba
en que stas slo se pueden atender a aquellos
procesos o fuerzas que estn ya interviniendo.
Siempre ignoran los impactos nuevos que
empiezan a actuar slo en el presente o en el
futuro. Con frecuencia se da una situacin en que
gradualmente habr ms y ms nuevos impactos.
En tales circunstancias, el mtodo de la
extrapolacin suele dar resultados tiles slo para
periodos relativamente de corto plazo.
Otra debilidad es que es casi imposible estimar el
error probable de una extrapolacin. Una nocin
spera de lo puede ser obtenida estudiando el
consistencia y la homogeneidad de la serie de las
observaciones originales.

Aplicar una asociacin

estadstica
La escala del instrumento tradicional de predecir de tiempo, el barmetro, incluye dos
Presin
alta

Buen
tiempo

Presin
Tormenta
baja
y lluvia
pronsticos: "Buen tiempo" en el fin alto de la gradacin, y "Tormenta y lluvia" en la
parte ms baja. Estos pronsticos se basan en la experiencia de largo plazo que
podramos comprimir en un modelo como la tabla a la derecha. Tal modelo puede ser
llamado descriptivo porque representa solamente la relacin aparente de los fenmenos
(presin de aire y tiempo) sin dar ninguna explicacin o causa a este lazo. El modelo no

nos dice cul de los fenmenos depende del otro, o aunque hay tal dependencia. No
obstante, tal modelo puede sea usado a predecir.
Un modelo estadstico se basa en una serie de observaciones en el fenmeno, y delinea
la asociacin entre los varios factores o variables del fenmeno que estn de inters.
Esta asociacin necesita no ser absoluta; un nmero pequeo de anomalas a la regla
general reduce pero no estropea enteramente la capacidad pronostica del modelo.
Los modelos descriptivos que se utilizan en el pronstico son a menudo cuantitativos,
pero cualitativos se utilizan tambin. De hecho, cualquiera de varios lenguajes de
modelo pueda ser utilizado.
Por ejemplo, los refranes verbales fueron utilizados como la base del pronstico de
tiempo ya largo antes barmetros: "El cielo rojo en la noche es placer de un marinero;
el cielo rojo por maana, marineros deben tener cuidado" (refrn ingls.) Y adems:
"El anillo alrededor de la luna trae una tormenta pronto." Observa que en el desarrollo
de productos hay muchos aspectos que mejor se expresan grficamente, por ejemplo los
pronsticos de la tendencia de moda.
Los modelos descriptivos cuantitativos se componen de las variables y una expresin
que defina su relacin el uno al otro. Esta relacin se llama asociacin estadstica para
acentuar que origina de una serie de observaciones. Para los modelos cuantitativos esta
asociacin se puede expresar como una curva o una ecuacin, e.g. del tipo y = ax + b.
En la seccin en extrapolacin discutimos ya dos tipos de asociaciones: las tendencias
lineares y logartmicas.
El mtodo de predecir en base de un modelo descriptivo es simple, como puede ser visto
en el diagrama a la derecha. Si una de las variables en el modelo es tiempo, es
solamente necesario insertar cualquier punta futura elegida del tiempo y despus leer el
"valor" de la variable deseada en el modelo. (El "valor" est en citas aqu porque en
modelos cualitativos su contenido no es numrico.)
Hay tambin otra manera de usar un modelo: estudiar
la direccin del cambio de las variables, como en la
tabla a la derecha.
Presin
se leva

El tiempo
mejorar

Presin
El tiempo
se baja
deteriorar
En este mtodo necesitamos una observacin reciente del cambio del factor que no se
est prediciendo (aqu es la presin area). De sta podemos deducir el cambio
anticipado del factor que se debe pronosticar.
Predecir sobre la base de modelos estadsticos suele ser factible y exitoso incluso
cuando no sabemos la razn o explicacin de la asociacin matemtica que hemos
encontrado en los datos histricos.
Por ejemplo, la vida de un animal sigue generalmente el mismo patrn que es tpico
para la especie. Si usted sabe este patrn, puede incluso ser posible pronosticar sin tener

ninguna formulacin terica explcita del patrn: usted considera simplemente un

espcimen observado anterior de la clase pertinente como modelo del desarrollo. Ya en
el tiempo de Hipcrates los mdicos saban el proceso tpico de muchas enfermedades,
y cuando observaba los sntomas iniciales de tal proceso en un paciente el mdico
podra predecir el progreso de la enfermedad.
El mtodo de modelo estadstico podra dar una prediccin correcta incluso en un caso
en que la explicacin que hemos supuesto para la asociacin estadstica existente
estuviera bastante equivocada! Ejemplos histricos famosos de prediccin sobre la base
de modelos estadsticos fueron los clculos astronmicos en la antigua Mesopotmica, y
los de Ptolomeo en Grecia. Los ms, tal vez todos, de estos primeros cientficos crean
que la tierra era el centro del universo y que el sol, la luna y los planetas simplemente se
movan en torno a ella. Sin embargo, los modelos matemticos de estos movimientos
aparentes eran acertados y produjeron predicciones correctas de las salidas y puestas del
sol y de la luna, as como de eclipses.
Muchas compaas habitualmente presentan un nuevo modelo de su producto clave en
el principio de cada ao o temporada. A menudo la evolucin de ventas de cada modelo
ms o menos sigue la misma pauta que se puede presentar que la "curva tpica de
ventas" como en la figura a la derecha. Sin saber las razones por qu la cantidad de las
ventas sigue este patrn, l sin embargo
se puede utilizar para predecir.
Si hay adems estadstica sobre las
ventas de los modelos anteriores una
quincena despus del principio de la
campaa publicitaria, por ejemplo, es
posible tambin calibrar el pronstico.
Para esto, tiene que observar el factor por el cual las ventas actuales se desvan del
promedio anterior en este momento, y entonces simplemente multiplicar el resto de la
curva por este mismo factor.
Algunas veces la serie cronolgica que deseamos extrapolar incluye simultneamente
varios tipos de variacin. Junto a la tendencia, que se trat ms arriba, suele haber uno o
varios tipos de variacin estacional. Si este es el caso, el mtodo normal es analizar
primero la serie cronolgica, dividindola en sus componentes discernibles. Tras esto,
continuamos haciendo pronsticos separados para todos los componentes (la tendencia
y las distintas variaciones estacionales, si procede) y solamente en la ltima fase
recombinamos los componentes.
Si, por ejemplo, deseamos pronosticar, el consumo de energa para calefaccin de un
edificio industrial, nuestro anlisis de datos pasados revelar probablemente que la
variacin del consumo ha estado siguiendo simultneamente varios patrones. Algunos
patrones se deben al ritmo de trabajo de la empresa, que normalmente vara con tres
frecuencias: a lo largo del ao, semanalmente y con un ritmo diario, y quizs con
respecto a las coyunturas del negocio. Por otra parte, puede haber tendencias lineales,
causadas quizs por un cambio gradual a mquinas mayores, o alternativamente a
mtodos y mquinas con ahorro energtico. -- El pronstico se hace ahora estimando
todas las variaciones cclicas, una por una, calculando entonces sus continuaciones, y
finalmente combinando todas estas a la vez con una extrapolacin de la tendencia.

Hay grandes riesgos en pronosticar sin saber las razones de las asociaciones estadsticas.
La mayor parte de los pronsticos cientficos de las economas nacionales son bien
conocidos por su baja fiabilidad, lo que, desde luego, es un resultado de la falta de
comprensin de las conexiones actuales de las variables de la economa. Adems, este
mtodo falla invariablemente discernir las seales dbiles que existen en datos pero se
quedan desapercibidos hasta que alguien entiende despus que era estos factores que
finalmente determinaron la direccin de la evolucin.
Hablando de modo general, debemos siempre tratar de descubrir la explicacin racional
que hay tras la asociacin estadstica que vamos a usar como base de nuestros
pronsticos. Siempre es ms seguro pronosticar sobre la base de un modelo causal
(descrito ms adelante), que pronosticar solo sobre la base de la asociacin estadstica.

Aplicar un modelo causal

El mtodo ms exacto de prediccin, es decir, el modelo causal, es posible si hemos
obtenido - mediante investigacin - un modelo que no slo describe (como en la seccin
previa) el desarrollo del fenmeno que se pronstica, pero tambin lo explica, es decir,
enumera las razones por que se ocurre. En el mejor caso las razones y sus resultados se
renen como un modelo que define la invariante dinmica de los cambios en el proceso
que se predir.
Las predicciones normales del tiempo, por ejemplo,
se hacen no ms en base de una asociacin estadstica
entre presin de aire y el tiempo. Sabemos hoy la
estructura invariable de los ciclones mviles (Fig. a la
derecha) que explica los cambios en la presin area
y en el tiempo. Incluso el proverbio sobre el cielo
rojo ahora se ha dado una explicacin:
"Porque las estructuras meteorolgicas en
Norteamrica se mueven generalmente desde el oeste
al este, cuando las nubes llegan de arriba en la salida
del sol que el cielo aparecer rojo, sealando una
tormenta que se acerca. Cuando la tormenta pasa
eventualmente, el cielo limpiar en el occidente. Si
ocurre la puesta del sol simultneamente, la luz lanzar un resplandor rojo en las nubes
arriba, ahora movindose hacia el este." (segn Rempel y Hanson.)
El mtodo el ms elemental de pronstico en base de un modelo causal es usar el
modelo exactamente como una asociacin estadstica, explicado ms temprano. En el
mejor caso una de las variables en el modelo es el tiempo cronolgico: entonces
introducimos el ao correcto en el modelo, e inmediatamente se convierte en el
pronstico deseado.
Si el tiempo no se incluye en el modelo causal, el modelo puede seguir siendo de ayuda,
porque es a menudo ms fcil predecir el desarrollo del variable independiente que el
futuro de la variable dependiente o del sistema entero - no lo menos a causa que una
razn precede normalmente su resultado, y as no es tan lejana en el futuro como el
resultado sea.

Cuando usted sabe las relaciones causales entre las variables usted podr utilizar
mtodos de pronstico mucho ms avanzados que los modelos estadsticos meros
permitiran. stos incluyen:

Se puede determinar mejor si el modelo sigue siendo vlido tambin en el

futuro.

Se puede determinar con anlisis de sensibilidad el error probable del

pronstico.

Cuando usted sabe las relaciones causales usted puede modificar el modelo
segn los requisitos de la situacin.

Cuando usted desea no slo pronosticar pero tambin cambiar el futuro, es fcil
de localizar esos cambios en las variables independientes que son necesarias
para causar el cambio deseado en las variables dependientes.

El modelo causal suele ser tan complicado que se maneja mejor usando un ordenador.
Incluso entonces, necesitaremos habitualmente una presentacin ilustrativa de nuestro
modelo para clarificar nuestro pensamiento y finalmente presentarlo en el informe. En
dicha ilustracin necesitaremos un sistema de notacin para describir las distintas
relaciones lgicas entre las variables. El programa de ordenador normalmente ser
capaz de mostrar el modelo, usando sus notaciones incorporadas. Si no podemos
encontrar sistemas de notacin ya listos
para usar, podemos idear uno.
Un famoso ejemplo de modelo causal
amplio fue creado por el llamado Club de
Roma en 1972. Este modelo, publicado
en el libro Los lmites al crecimiento,
consiste en docenas de variables,
incluyendo la poblacin mundial, tasa de
nacimientos, produccin industrial y
agrcola, los recursos no renovables y la
contaminacin. En el modelo, los niveles,
o cantidades fsicas que pueden ser
medidas directamente, se indicaron con
rectngulos
, las tasas que influyen en
esos niveles con vlvulas
, y las
variables auxiliares que influyen en las
ecuaciones de las tasas con crculos .
Los lapsos de tiempo se indicaron con
secciones dentro de rectngulos
. Los
flujos reales de gentes, bienes, dinero, etc. se representaron por flechas continuas
y
las relaciones causales con flechas discontinuas
. Las nubes
representen
fuentes o "pilas" (salidas de material) que no son importantes para el comportamiento
del modelo.

El Club de Roma comenz a formar su "Modelo mundial" construyendo primero cinco

submodelos. stos se concentraron en las cinco "cantidades bsicas": poblacin, capital,
alimento, recursos no renovables restantes (medidos fraccin restante ahora de las
reservas de 1900), y polucin. Uno de los subsistemas incluy las relaciones causales y
los bucles de respuesta entre poblacin, capital, agricultura y polucin (Fig. en la
derecha). Finalmente los investigadores combinaron los cinco submodelos y as crearon
el modelo mundial final, parte del cual se ilustra abajo.

Ejemplos de pronsticos creados por el Club de Roma se ven ms adelante.

El mtodo que se discute arriba puede parecerse conveniente para el uso con los
modelos cuantitativos solamente; sin embargo el mismo principio puede ser aplicado al
predecir en base de los modelos cualitativos que tienen potencia explicativa. Ejemplos
de tales modelos se encuentran en la Explicacin del desarrollo.
Nota que aunque la explicacin causal se ha discutido arriba y es el modelo ms comn
de la prediccin, los tipos contextuales o teleolgicos de explicacin se podran tambin
utilizar como una base de un pronstico.
Seales dbiles. Los modelos que son disponibles para pronosticar son normalmente
simplificadas de modo que contengan solamente los factores ms importantes que

afectan el fenmeno que se predir. Al lado de stos, la mayora de los fenmenos

empricos son influidos por muchos factores con tan pequea importancia que ella
desaparece entre errores o en la fluctuacin al azar de los factores cardinales. Los
investigadores llaman a menudo estos factores de menor importancia "ruido" y los
desatienden simplemente.
Sin embargo, usted no siempre puede contar con que las relaciones expresadas en su
modelo se quedan constantes durante todo el perodo del pronstico deseado. Sucede a
veces que un factor que hasta este momento ha desempeado solamente un papel
marginal repentinamente ganar importancia y finalmente cambiar la direccin del
desarrollo. Tales factores que se parecen inicialmente poco importantes pero finalmente
llegan a ser cruciales se llaman seales dbiles. Para identificar tales factores usted
puede intentar varios acercamientos, tal como:

Contemplar el contexto del fenmeno en una perspectiva ms ancha.

Consultar a otros expertos (quizs con el mtodo Delfi) y pedir su opinin

acerca del modelo que usted utiliza. Si su modelo original fue hecho en
cooperacin con expertos que tienen una experiencia larga del fenmeno que se
predir, es posible que ellos hayan sido acostumbrados para desatender un factor
que sin embargo puede ser importante pronto. Las personas que son menos
experimentadas con el fenmeno pueden encontrar a veces nuevas y
sorprendentes posiciones de mirar el fenmeno.

Si usted puede encontrar otro sistema que ha experimentado ya el desarrollo que

se intenta predecir, usted puede utilizar el mtodo de la analoga y examinarlo si
los factores que han causado este desarrollo estn presentes tambin en el
sistema que se predir, aunque tambin en un grado embrionario.

Si su modelo es cuantitativo, usted puede intentar descubrir cul variables

independientes han tenido una influencia rpidamente creciente en el fenmeno
que se predir. Esto se puede hacer, por ejemplo, calculando dos veces la
correlacin entre tal factor y el fenmeno: una correlacin con datos medidos en
un tiempo ms temprano, y otra correlacin con los ltimos datos medidos.

Determinar el lmite
Es a menudo ventajoso el usar un mtodo para el pronstico para el corto plazo y otro
para los periodos de largo plazo. Para el futuro prximo, se usa con frecuencia la
extrapolacin lineal, mientras que ocurre con frecuencia que el sentido comn, la
investigacin, u otra fuente de conocimiento general, nos dicen que la evolucin que
estamos pronosticando est sujeta a lmites preestablecidos que dictan los
acontecimientos ms prximos, sino ms bien un futuro ms distante. Podemos, por
ejemplo, estar estudiando el crecimiento de una planta sabiendo que el crecimiento
constante alcanzar en su momento un fin.
Si este es el caso, podemos combinar dos mtodos de pronstico: extrapolamos slo los
valores ms cercanos, mientras que basamos el pronstico de los valores posteriores
sobre una ley general. Ejemplos tpicos de tales desarrollos a largo plazo son:

La curva-s es habitual si el crecimiento tiene lmites naturales, como es el caso

de las plantas, y con los recursos
naturales de la tierra,

La "curva de catstrofe"
describe el fin de un desarrollo
que ha tenido un comienzo
gradual, suave, pero para el que,
sin embargo, se prev que ir al
final hacia una completa extincin, tal vez abrupta.

Evaluar y describir la incertidumbre

Predecir la confiabilidad de su prediccin ser necesario, si usted piensa describir no
slo algunos futuros posibles pero tambin el ms probable de ellos. Para esta tarea hay
slo pocos mtodos. En el siguiente se enumeran algunos ms usuales de ellos.
Uno de los mejores es la triangulacin: hacer predicciones paralelas con distintos
mtodos si ello es posible. Si distintos mtodos llevan a pronsticos distintos, ello nos
da una idea del rango de incertidumbre.
El anlisis de sensibilidad es otro mtodo que, sin embargo, funciona slo con modelos
numricos. La mayor parte de los mtodos de pronstico nos permiten calcular cul ser
el resultado si una de nuestras suposiciones del comienzo o un elemento en los datos de
entrada vara. ste es un mtodo til de medir si el peso de una seal dbil est
creciendo.
Asimismo, si creemos saber el error probable de una de nuestras suposiciones, podemos
usar este conocimiento para calcular el error probable del pronstico resultante.
Una vez que el investigador ha desarrollado para l mismo una aproximacin de la
probabilidad del pronstico, la prxima tarea es revelar esta probabilidad igualmente a
su pblico. Muchos mtodos habituales de presentacin del pronstico (como los
diagramas) son muy exactos, de hecho su exactitud con frecuencia se corresponde mal
con la incertidumbre del pronstico. En lugar de ello, el investigador debe seleccionar
una presentacin del pronstico que de la impresin correcta del grado de
incertidumbre. Hay, de hecho, varios mtodos que pueden usarse para describir el error
probable o la posibilidad de que llegue a cumplirse un pronstico:

La variacin probable. Esta es de hecho la manera normal cuando se usa el

mtodo Delphi, que prcticamente siempre produce un amplio conjunto de
distintas profecas hechas con varios mtodos. Si las preguntas en cuestionario
del mtodo Delphi son cuantitativas, podremos calcular una expresin para la
dispersin de las respuestas, como puede ser su rango. A veces, ser tambin
posible calcular la probabilidad de que el resultado factual no exceda el rango.

Una curva difusa. Esto puede realizarse dibujando la curva como una lnea
gruesa o hecha a mano.

Una escala difusa. Por ejemplo, el Club de Roma deliberadamente escogi el

omitir las escalas de las variables y tambin hizo la escala horizontal un tanto
vaga (consistiendo slo de los valores
1900 y 2100). Esto era porque queran
indicar que los valores numricos eran
aproximados (ibid., p. 123).

Explicacin verbal, incluso cuando el

pronstico ha sido cuantitativo, puede
ser usada para describir la probabilidad
del pronstico. El inconveniente es que
la gente tiene distintas nociones de lo
que pueda significar "probable", por
ejemplo.

Escenarios paralelos.

Los escenarios paralelos son bastantes fciles de montar si tenemos un modelo

matemtico como base para el pronstico: todo lo que se necesita es alimentar al
modelo con varios conjuntos alternativos de datos. Por ejemplo, el ya mencionado Club
de Roma hizo una serie de escenarios introduciendo distintos en un nico modelo causal
de las relaciones pertinentes, mostrado anteriormente.
Su escenario "estndar", mostrado arriba, supone que todas las variables siguen sus
valores histricos de 1900 a 1970. Alimento, produccin industrial, y poblacin crecen
exponencialmente hasta que la disminucin repentina de recursos fuerza una
ralentizacin en el crecimiento industrial. El crecimiento poblacional finalmente se
detiene por una subida en la tasa de mortalidad debida a la alimentacin y servicios
mdicos que se han reducido.
Hay otro escenario del mismo libro (fig. 36) que se muestra a la izquierda. Aqu las
reservas supuestas de recursos fueron duplicadas, mientras que todas las otras
suposiciones se mantuvieron idnticas al escenario "estndar". La industrializacin
puede ahora alcanzar un nivel ms alto. Las grandes plantas industriales emiten
polucin en tales tasas, sin embargo, que los mecanismos de absorcin del entorno
llegan a estar saturados. Entonces la
polucin causa un inmediato incremento en
la tasa de mortalidad y una cada en la
produccin de alimentos.
Un tercer escenario de Los lmites al
crecimiento (fig. 44, a la derecha) es idntico
al "estndar", excepto en que la poblacin se
supone que permanece constante tras 1975.
La produccin industrial contina creciendo
exponencialmente hasta que la reduccin de
los recursos no renovables lleva a un
repentino colapso del sistema industrial.
Lugares en el WWW sobre mtodos de pronstico:

World Future Society

Sobre la cuestin de informar sobre la

investigacin, se incluye un captulo
separado.