Sistema estadístico para la planeación y control de la producción de chayote de exportación en la región de las Altas Montañas de Veracruz

Palabras clave: chayote, pronóstico estadístico, planeación de la producción, control de la producción, agricultura de exportación

Resumen

La variabilidad de los volúmenes de producción y de la proporción de producto con calidad exportable constituye una limitante para la planeación y el cumplimiento de los requerimientos comerciales del chayote (Sechium edule) en la región de las Altas Montañas de Veracruz. El objetivo de esta investigación fue desarrollar y evaluar un sistema estadístico de apoyo para la planeación y control de la producción de chayote de exportación, mediante la estructuración de registros históricos, el análisis de la variabilidad productiva y la evaluación del desempeño de los pronósticos. Se realizó un estudio cuantitativo, aplicado, no experimental y longitudinal-retrospectivo. La metodología se desarrolló en cuatro fases: recolección, diagnóstico y estructuración de la información; análisis exploratorio de datos; evaluación del pronóstico; e integración de indicadores para el control y apoyo a la toma de decisiones. La base analizada comprendió 38 registros, de los cuales 37 fueron válidos para la evaluación porcentual del pronóstico. Los resultados evidenciaron una elevada heterogeneidad productiva, con coeficientes de variación mensuales superiores al 70 % y distribuciones no normales. Se identificó una asociación positiva muy alta entre la producción real y pronosticada (ρ = 0.9766; p < 0.001). En términos globales, se registraron 22,057 unidades reales frente a 22,163 pronosticadas, con una desviación de −106 unidades, equivalente a −0.48 % respecto al pronóstico. El desempeño presentó un MAPE de 15.86 %, una mediana del error porcentual absoluto de 10.57 %, un Bias porcentual medio de 4.88 % y un índice de cumplimiento del pronóstico agregado de 99.52 %. No se encontró asociación estadísticamente significativa entre la producción real o el error del pronóstico y la calidad exportable. Los indicadores fueron integrados en un tablero de control en Microsoft Excel, permitiendo identificar desviaciones por productor y periodo. Se concluye que la integración de registros históricos e indicadores estadísticos constituye una herramienta útil para fortalecer la planeación y el seguimiento de la producción, aunque se requiere ampliar la serie histórica para validar formalmente modelos predictivos de series de tiempo.

Descargas

La descarga de datos todavía no está disponible.

Citas

Barrera-Guzmán, L. A., Cadena-Iñiguez, J., Mojica-Zárate, H. T., Cisneros-Solano, V. M., & Alejo-Bello, S. (2024). Trends and evolution in the scientific research of Sechium edule (Jacq.) Swartz. Agro Productividad, 17(8), 181–187. https://doi.org/10.32854/agrop.v17i7.2956

Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time series analysis: Forecasting and control (5th ed.). John Wiley & Sons.

Castillo-Martínez, S. I., & Romero-Jaen, M. (2024). Chayote: El tesoro verde de las Altas Montañas de Veracruz–raíces de tradición y sabor. Revista Mexicana de Agroecosistemas, 11(2), 179–185. https://doi.org/10.60158/rma.v11i2.444

Herrera-Ubaldo, M., Santoyo-Cortés, V. H., Muñoz-Rodríguez, M., & Figueroa-Rodríguez, K. A. (2026). Diferenciación de la producción y comercialización de chayote en Veracruz y modelos de negocio asociados. Revista de Geografía Agrícola, (75), e25004. https://doi.org/10.5154/r.rga.2025.01.004

Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: Principles and practice (2nd ed.). OTexts.

Krishna Priya, S. R., & Kausalya, N. (2024). Forecasting wheat crop area, production & productivity in India using ARIMAX model. Journal of Agriculture, Biology and Applied Statistics, 3(2), 57–68. https://doi.org/10.47509/JABAS.2024.v03i02.02

Kusuma, M. (2024). Perbandingan metode Holt-Winters dan Seasonal ARIMA dalam memprediksi produksi beras di Indonesia. Jurnal Agribisnis, 26(2). https://doi.org/10.31849/agr.v26i02.17672

Liu, L., & Wu, L. (2022). Holt-Winters model with grey generating operator and its application. Communications in Statistics—Theory and Methods, 51(11), 3542–3555. https://doi.org/10.1080/03610926.2020.1797804

Maheshnath, M., Vijaya Kumari, R., Suhasini, K., Srinivasa Reddy, D., & Meena, A. (2024). Forecasting maize production in Telangana State using ARIMA model. Archives of Current Research International, 24(6), 223–229. https://doi.org/10.9734/acri/2024/v24i6780

Montgomery, D. C. (2019). Introduction to statistical quality control (8th ed.). John Wiley & Sons.

Neog, B. (2024). An improved ARIMA model using ANN and SVM for forecasting rapeseed & mustard production. International Journal of Intelligent Systems and Applications in Engineering, 12(21s), 3152–3162.

Pleños, M. (2022). Time series forecasting using Holt-Winters exponential smoothing: Application to abaca fiber data. Problems of World Agriculture, 22(2), 17–29. https://doi.org/10.22630/PRS.2022.22.2.6

Priyanka, P. A., Nandakumar, E., & Sangeetha, R. (2022). Holt-Winters forecast on seasonal time series crop insurance data with structural outliers (2000–2018) using MS Excel. Asian Journal of Agricultural Extension, Economics & Sociology, 40(9), 136–145. https://doi.org/10.9734/AJAEES/2022/v40i930986

Ruiz-García, V. H., Ruiz-García, P., Pérez-Nieto, J., & Monterroso-Rivas, A. I. (2025). Chayote (Sechium edule var. virens levis) cultivation and environmental factors. Agro Productividad, 18(9), 91–99. https://doi.org/10.32854/8xb2vh64

Sernaqué, H., Meca, M., Zapata, E., Marchan, B., Medina, J., Nole, D., Aldana, C., Saavedra, Y., Trelles, L., Chuquihuanca, N., & Mendoza, G. (2022). Comparison of ARIMA and Holt-Winters forecasting models for time series of cereal production in Peru. Applied Human Factors and Ergonomics International, 22. https://doi.org/10.54941/ahfe1001007

Suthar, B., Pundir, R. S., & Popat, R. (2023). Groundnut price forecasting in Gondal market of Gujarat: A comparison of ARIMA and ANN models. Indian Journal of Agricultural Marketing, 37(1), 51–60. https://doi.org/10.22004/ag.econ.399877

Publicado
2026-11-11
Cómo citar
Del Valle Juárez , M. B., Pulido Saavedra, R., Rosas Ortiz, L. J., & Páez Bulbarela, M. Ángel. (2026). Sistema estadístico para la planeación y control de la producción de chayote de exportación en la región de las Altas Montañas de Veracruz. Ciencia Latina Revista Científica Multidisciplinar, 10(5), 7633-7651. https://doi.org/10.37811/cl_rcm.v10i5.26631
Sección
Ciencias Sociales y Humanas

Artículos más leídos del mismo autor/a