A lo largo de los últimos años, las técnicas de pronóstico estadístico se han ido aplicando a la predicción del comportamiento de las redes IP con un doble objetivo. Por un lado, está el objetivo de predecir la carga futura de enlaces individuales o rutas aisladas y así anticipar la aparición de situaciones críticas. Como es de esperar, el hecho de conocer de antemano la aparición de problemas permite solucionarlos antes de que éstos lleguen a producirse. El otro objetivo es establecer una mejor planificación del crecimiento de la infraestructura de red mediante los resultados predictivos que se han obtenido. En este sentido, es más eficiente tratar los datos globalmente, por ejemplo, a partir de las matrices de tráfico. Este documento presenta una introducción a la utilización de dos de las técnicas de pronóstico estadístico más comunes y más extensamente utilizadas. La primera técnica que se estudiará es el análisis de series temporales basado en los modelos Box-Jenkins o ARIMA. Esta técnica desarrollada en 1970, permite la generación de modelos eficientes adecuados para la predicción de una única serie temporal. La aplicación será el estudio de la carga de los enlaces de una red IP. La segunda técnica utilizada en éste documento es el análisis de componentes principales (PCA). Este método proporciona modelos genéricos que ofrecen un pronóstico aproximado para una serie particular. No obstante, los modelos generados con este método son útiles para representar el comportamiento de más de una serie con un único modelo y se pueden aplicar en el modelado conjunto de enlaces y en el estudio de matrices de tráfico. Este trabajo tiene dos objetivos fundamentales. El primero de ellos, es aplicar las técnicas estudiadas al caso de una red real, con el propósito de comprobar la calidad de las predicciones y, en segundo lugar, realizar una valoración de la utilidad de estas técnicas para la planificación del crecimiento de una red.