Las comparaciones entre modelos de pronóstico son necesarias para la toma de decisiones en la industria, en especial en temas de demanda de productos terminados. En presencia de pocos datos históricos, hay dificultades en premisas de estructuras teóricas. Aquí se presenta una comparación diseñada en el programa R, usando cuatro tipos de modelos: Regresión Lineal Bayesiana con Distribución a priori Normal, Modelo Lineal Dinámico Bayesiano, modelo ARIMA y modelo de Suavización Exponencial, con base en el criterio Media del Error Absoluto de Pronósticos (MAPE) de pronóstico y para ello se simulan diferentes esquemas de datos que reflejan comportamientos de demandas con y sin distribución normal. Se encuentra que los modelos bayesianos estudiados tienen un alto potencial para realizar predicciones, sobre todo para los datos que no se comportan con una distribución normal, siendo más precisos que los otros modelos clásicos comparados, son además, más robustos a premisas teóricas y se pueden utilizar con pocos datos históricos.