[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"detail-sidebar-cat-1-es-110":3,"doc-seo-162206-110":41,"doc-detail-162206-es":114},{"code":4,"msg":5,"data":6},0,"success",[7,13,17,21,25,29,33,37],{"id":8,"doc_module":9,"doc_module_name":10,"category_name":11,"show_sort_weight":4,"slug":12},165,1,"Template","Cartas","cartas",{"id":14,"doc_module":9,"doc_module_name":10,"category_name":15,"show_sort_weight":4,"slug":16},162,"Carteles","carteles",{"id":18,"doc_module":9,"doc_module_name":10,"category_name":19,"show_sort_weight":4,"slug":20},160,"Currículums","curriculums",{"id":22,"doc_module":9,"doc_module_name":10,"category_name":23,"show_sort_weight":4,"slug":24},161,"Facturas","facturas",{"id":26,"doc_module":9,"doc_module_name":10,"category_name":27,"show_sort_weight":4,"slug":28},164,"Formularios","formularios",{"id":30,"doc_module":9,"doc_module_name":10,"category_name":31,"show_sort_weight":4,"slug":32},166,"General","general-166",{"id":34,"doc_module":9,"doc_module_name":10,"category_name":35,"show_sort_weight":4,"slug":36},159,"Presentaciones","presentaciones",{"id":38,"doc_module":9,"doc_module_name":10,"category_name":39,"show_sort_weight":4,"slug":40},163,"Redes sociales","redes-sociales",{"code":4,"msg":42,"data":43},"ok",{"site_id":44,"language":45,"slug":46,"title":47,"keywords":48,"description":49,"schema_data":50,"social_meta":107,"head_meta":109,"extra_data":111,"updated_unix":113},110,"es","comparative-analysis-of-traditional-and-modern-models-for-demand-forecasting-approaches-and-features","Análisis comparativo de modelos tradicionales y modernos para pronóstico de la demanda - Enfoques y características","","El texto presenta una investigación documental sobre el pronóstico en estadística inferencial, entendido como el proceso matemático para estimar valores futuros de variables como la demanda. Se define la clasificación de los principales tipos de pronósticos y se proponen modelos representativos con potencial para pequeñas y medianas empresas, priorizando opciones de menor costo de procesamiento. Se distinguen pronósticos univariados y multivariados; para reducir costos se recomiendan modelos univariados de series de tiempo. Se agrupan en enfoques estadísticos/tradicionales, aprendizaje automático y modelos híbridos, incluyendo Holt-Winters, ARIMA, Random Forest, LSTM, ARIMA-LSTM y Facebook Prophet.",{"@graph":51,"@context":106},[52,68,89],{"@type":53,"itemListElement":54},"BreadcrumbList",[55,59,62,65],{"item":56,"name":57,"@type":58,"position":9},"https://docshare.wps.com","Home","ListItem",{"item":60,"name":10,"@type":58,"position":61},"https://docshare.wps.com/es/template/",2,{"item":63,"name":31,"@type":58,"position":64},"https://docshare.wps.com/es/template/general/",3,{"item":66,"name":47,"@type":58,"position":67},"https://docshare.wps.com/es/template/comparative-analysis-of-traditional-and-modern-models-for-demand-forecasting-approaches-and-features/162206/",4,{"url":66,"name":47,"@type":69,"image":70,"author":75,"headline":47,"publisher":78,"fileFormat":81,"inLanguage":45,"description":49,"dateModified":82,"datePublished":83,"encodingFormat":81,"isAccessibleForFree":84,"interactionStatistic":85},"DigitalDocument",{"url":71,"@type":72,"width":73,"height":74},"https://docshare.wps.com/thumbnails/comparative-analysis-of-traditional-and-modern-models-for-demand-forecasting-approaches-and-features/162206.png","ImageObject",442,249,{"name":76,"@type":77},"Chloe Bennett","Person",{"url":56,"name":79,"@type":80},"DocShare","Organization","application/vnd.openxmlformats-officedocument.wordprocessingml.document","2026-09-20","2026-08-30",true,{"@type":86,"interactionType":87,"userInteractionCount":64},"InteractionCounter",{"@type":88},"ViewAction",{"@type":90,"mainEntity":91},"FAQPage",[92,98,102],{"name":93,"@type":94,"acceptedAnswer":95},"Qué objetivo persigue el trabajo sobre pronóstico de demanda?","Question",{"text":96,"@type":97},"Define la clasificación de los principales tipos de pronósticos y propone modelos representativos para lograr pronósticos exitosos, especialmente pensados para pequeñas y medianas empresas.","Answer",{"name":99,"@type":94,"acceptedAnswer":100},"Por qué se consideran principalmente modelos de series de tiempo univariados?",{"text":101,"@type":97},"Porque requieren únicamente datos históricos de ventas de la empresa, reduciendo el costo asociado al procesamiento de datos frente a alternativas multivariadas.",{"name":103,"@type":94,"acceptedAnswer":104},"Cuáles son los tres enfoques en que se clasifican los modelos de series temporales?",{"text":105,"@type":97},"Se clasifican en enfoques estadísticos o tradicionales, de aprendizaje automático y de tipo híbrido, con ejemplos como Holt-Winters/ARIMA, Random Forest/LSTM y ARIMA-LSTM/Facebook Prophet.","https://schema.org",{"og:url":66,"og:type":108,"og:title":47,"og:site_name":79,"og:description":49},"article",{"robots":110,"canonical":66},"index,follow",{"doc_id":112,"site_id":44},162206,1788120216,{"code":4,"msg":5,"data":115},{"doc_id":112,"user_id":116,"nickname":76,"user_avatar":117,"doc_module":9,"category_id":30,"category_name":31,"doc_title":47,"doc_description":49,"doc_content":118,"file_id":119,"file_url":120,"file_type":121,"file_size":122,"view_count":64,"is_deleted":4,"is_public":9,"is_downloadable":9,"audit_status":9,"page_count":123,"language":124,"language_code":45,"site_id":44,"html_lang":45,"table_of_contents":125,"faqs":126,"seo_title":127,"seo_description":49,"update_tm":113,"read_time":128},962084925782,"https://ap-avatar.wpscdn.com/davatar_9964176cb1d06d4a9deccf72a44ae3dc","https://doi.org/10.23913/ride.v12i24.1203\nArtículos científicos\nAnálisis comparativo de modelos tradicionales y modernos para pronóstico de la demanda: enfoques y características\nComparative Analysis of Traditional and Modern Models for Forecasting Demand: Approaches and Features\nAnálise comparativa de modelos tradicionais e modernos de previsão de demanda: abordagens e características\nCésar Ángel Fierro Torres\nTecnológico Nacional de México, Instituto Tecnológico de Ciudad Juárez, México\nM21110218@cdjuarez.tecnm.mx\nhttps://orcid.org/0000-0003-4962-4618\nVelia Herminia Castillo Pérez*\nTecnológico Nacional de México, Instituto Tecnológico de Ciudad Juárez, México\nvcastillo@itcj.edu.mx\nhttps://orcid.org/0000-0003-2868-9703\nClaudia Irene Torres Saucedo\nCentro de Bachillerato Tecnológico Industrial y de Servicios 128, Chihuahua, México\nclaudiairene.torres.cb128@dgeti.sems.gob.mx\nhttps://orcid.org/0000-0002-9375-5976\n* Autor de Correspondencia vcastillo@itcj.edu.mx\nResumen\nEn estadística inferencial, el pronóstico es un proceso matemático mediante el cual se hace una estimación del valor futuro de una o más variables, como puede ser la demanda. El objetivo de este presente trabajo de investigación documental fue definir la clasificación de los principales tipos de pronósticos. Además, proponer algunos de los modelos más representativos utilizados actualmente para ser implementados por pequeñas y medianas empresas, aquellos que, con base en la literatura consultada, tienen mayor potencial para lograr un pronóstico de demanda exitoso. Se encontró que los pronósticos pueden ser univariados o multivariados; sin embargo, a fin de encontrar las alternativas que impliquen menor costo para la empresa por procesamiento de datos, se consideraron exclusivamente modelos de pronósticos de series de tiempo univariados, ya que requieren únicamente los datos históricos de las ventas de la empresa. Los modelos de pronósticos de serie de tiempo se clasificaron en tres enfoques: 1) estadísticos o tradicionales, de los cuales se recomendaron el modelo de suavización exponencial triple o de Holt-Winters y el modelo de promedios móviles autorregresivos integrados (Arima), 2) de aprendizaje automático, de los cuales se destacaron el modelo bosque aleatorio y el modelo de redes neuronales recurrentes de gran memoria a corto plazo (LSTM), 3) híbridos, de los cuales se sugirieron el modelo Arima-LSTM y el modelo Facebook Prophet.\nPalabras clave: inferencia estadística, inteligencia artificial, previsión, series temporales.\nAbstract\nIn inferential statistics, forecasting is a mathematical process by which the future value of one or more variables, such as demand, is estimated. The objective of this paper was to define the classification of the main types of forecasts.  In addition, to propose some of the most representative models currently used to be implemented by small and medium-sized companies, those that, based on the literature consulted, have the greatest potential to achieve a successful demand forecast. It was found that forecasts could be univariate or multivariate; however, in order to find the alternatives that would require lower cost for the enterprise by data processing, only univariate time series forecast models were recommended, as they require only historical sales data of the company. Time series forecasting models were classified into three approaches: 1) statistical or traditional, of which the Holt-Winters or triple exponential smoothing model and the autoregressive integrated moving average (Arima) model were recommended, 2) machine learning, of which the random forest model and the large short-term memory (LSTM) recurrent neural network model stood out, 3) hybrids, of which the Arima-LSTM model and the Facebook Prophet model were suggested.\nKeywords: statistical inference, artificial intelligence, prediction, time series.\nResumo\nNa estatística inferencial, a previsão é um processo matemático pelo qual é feita uma estimativa do valor ","cbCaite25bPlVphO","https://ap.wps.com/l/cbCaite25bPlVphO","docx",457995,20,"Spanish","# Introducción\n## Clasificación de tipos de pronósticos\n## Modelos tradicionales y estadísticos\n## Modelos de aprendizaje automático\n## Modelos híbridos y recomendaciones","[{\"question\":\"Qué objetivo persigue el trabajo sobre pronóstico de demanda?\",\"answer\":\"Define la clasificación de los principales tipos de pronósticos y propone modelos representativos para lograr pronósticos exitosos, especialmente pensados para pequeñas y medianas empresas.\"},{\"question\":\"Por qué se consideran principalmente modelos de series de tiempo univariados?\",\"answer\":\"Porque requieren únicamente datos históricos de ventas de la empresa, reduciendo el costo asociado al procesamiento de datos frente a alternativas multivariadas.\"},{\"question\":\"Cuáles son los tres enfoques en que se clasifican los modelos de series temporales?\",\"answer\":\"Se clasifican en enfoques estadísticos o tradicionales, de aprendizaje automático y de tipo híbrido, con ejemplos como Holt-Winters/ARIMA, Random Forest/LSTM y ARIMA-LSTM/Facebook Prophet.\"}]","Análisis comparativo de modelos tradicionales y modernos para pronóstico de la demanda - Enfoques y características | DOCX",7]