Pronóstico Causal.

En un pronóstico causal, intentamos explicar el desempeño de un cierto parámetro en el futuro en términos de otros parámetros observables o por lo menos mas predecibles. Para ejemplo, si nosotros queremos elevar la ganancia de una nueva sucursal de comida rápida en una nueva localización, nosotros deberíamos pronosticar la demanda. Los posibles predictores de la demanda pueden ser para este caso la población del lugar, el numero de competidores dentro del radio de la zona. Por medio de los datos en ventas de otras sucursales, población y competidores, nosotros podemos utilizar estadísticos para estimar constantes en un modelo.

El modelo mas comúnmente usado es el modelo linear simple, de la siguiente forma

Y= b_0 + b_1 X_1 + b_2 X_2 + ... + b_m X_m

Donde Y representa el parámetro a ser predecido (demanda) y las variables X_i son los parámetros predictivos(población y competidores). El valor b_i son constantes que deben ser estadisticamene estimados desde los datos.

La técnica para obtener el modelo se llama regresión lineal; que algunos paquetes computacionales cuentan con la misma como microsoft excel y lenguaje R.