La proliferación de contaminantes afecta a la población mundial, principalmente a aquellos que viven en grandes ciudades. Las disfunciones neurológicas y cardiovasculares tienen una correlación con la concentración de partículas en el aire, entre otras enfermedades crónicas. Por lo tanto, es importante utilizar diferentes métodos de análisis para construir modelos predictivos que puedan identificar posibles concentraciones de contaminantes en áreas metropolitanas. Este trabajo presenta una metodología que permitirá la previsión de contingencias de contaminación severa utilizando mediciones meteorológicas como variables de entrada. Esta técnica analítica predictiva combina varias herramientas matemáticas y estadísticas, a las que nos referimos como asociación de factores predictivos (PFA). Realizamos un análisis de componentes principales en las muestras para determinar posibles relaciones causales y reducir la dimensionalidad, resultando en combinaciones lineales ortogonales de las variables llamadas puntuaciones de muestra. Para las variables categóricas, se estima la probabilidad de cada combinación lineal utilizando una técnica de estimación basada en ventanas o un algoritmo de aprendizaje automático para determinar la clase de una muestra particular. Para las variables continuas, se lleva a cabo una regresión sobre las puntuaciones. La técnica se utiliza para predecir contingencias ambientales en el área metropolitana de Monterrey basándose en datos meteorológicos con precisiones de entre 0.7 y 0.8 y precisiones de clasificación entre 0.74 y 0.98.