Fundamentos y Técnicas Clave en la Elaboración de Predicciones

Interpretación de Predicciones y Experimentos

Comparación de Predicciones (Gráfico)

En cuanto al gráfico mencionado (no incluido aquí), podemos afirmar que:

  • Las predicciones 1 y 2 tienen el mismo valor puntual, pero la predicción 1 es más informativa que la 2.
  • Además, podemos afirmar que la predicción 1 tiene menos incertidumbre.

Experimentos de Laboratorio

Algunas de las ventajas e inconvenientes del experimento de laboratorio son:

Ventajas

  • Minimiza el efecto de historia.
  • Gran validez interna.
  • Son más baratos.
  • Permite un mayor grado de complejidad.

Inconvenientes

  • Se puede perder validez externa.
  • Los individuos pueden reaccionar al entorno de la situación en lugar de a la variable dependiente.
  • En ocasiones, genera un efecto negativo (posiblemente sesgo o reactividad).

Tipos de Información para Predicciones

Ventajas de la Información Subjetiva sobre la Histórica

Algunas situaciones en las que la información subjetiva puede tener ventajas sobre la histórica para la realización de predicciones son:

  • Cuando no existen datos históricos de las variables dependientes y, en su caso, de las explicativas.
  • Con las variables históricas, el estudio se condiciona únicamente a un tipo de variables: las que pueden medirse y de las que pueden construirse series temporales.
  • Una vez descubierta la relación mediante variables históricas, esta se presupone estable (lo cual puede no ser cierto).
  • Las variables con historia se aplican a modelos matemáticos y requieren conocimientos avanzados, lo que puede derivar en una simplificación excesiva de la realidad.

Diferencia entre Información Subjetiva y Cuantitativa

(Afirmación verdadera) La principal diferencia entre la información subjetiva y la información cuantitativa es que la subjetiva ha sido procesada mentalmente por el individuo.

Técnicas Subjetivas Grupales

(Afirmación verdadera) Las técnicas subjetivas grupales implican que el conjunto de personas que llevan a cabo la predicción interactúan entre ellas.

Conceptos Estadísticos y de Series Temporales

Procesos Aleatorios (Ruido Blanco)

(Afirmación falsa indicada) En los procesos puramente aleatorios (ruido blanco), la media es 0 (no 1), y la varianza es constante.

Técnicas con Historia

(Afirmación verdadera indicada) Las técnicas sin historia (no ‘con historia’ como estaba escrito, lo cual era contradictorio) se utilizan cuando se renuncia a la historia o no existe información previa del fenómeno que se quiere estudiar.

Tendencia y Esquemas Aditivo/Multiplicativo

Podemos decir que:

  • El esquema aditivo funciona bien con series estables.
  • El esquema multiplicativo funciona bien con series con marcada tendencia.

Ciclo y Estacionalidad

  • El ciclo son fluctuaciones por encima y por debajo de la tendencia con periodicidad superior al año, sin regularidad fija.
  • La estacionalidad son fluctuaciones con periodicidad inferior a un año y con patrón fijo.

Tipos de Tendencia (Determinística vs. Estocástica)

Sobre los tipos de tendencia podemos afirmar que:

  • En la tendencia determinística, la media cambia con el tiempo de forma predecible.
  • En la tendencia estocástica, la media (y/o la varianza) cambia con el tiempo de forma aleatoria.
  • Además, los shocks en la tendencia determinística tienen un efecto transitorio, mientras que en la estocástica el efecto es duradero.

Alisado Exponencial

Efecto del valor Alfa (α)

Mayores valores de alfa (α) en el alisado exponencial indican menor alisado de la serie (mayor peso a las observaciones recientes).

Propiedades del Coeficiente de Ponderación

  • La suma de todas las ponderaciones debe ser igual a 1.
  • Los valores de alfa (α) están comprendidos entre 0 y 1 (0 ≤ α ≤ 1).

Causalidad y Diseño Experimental

Condiciones para la Causalidad (X → Y)

Las condiciones para que exista causalidad entre X e Y (un cambio en X genera un cambio en Y) son las siguientes:

  • Correlación: las variables varían conjuntamente.
  • Orden temporal: la causa (X) debe preceder al efecto (Y).
  • Eliminación de factores causales alternativos: descartar otras variables que puedan explicar la relación.
  • Evidencia de causalidad: un mecanismo lógico o teórico que explique la relación.

Variables Independientes

Son variables que se controlan y son manipuladas por los investigadores, cuyos efectos se miden y comparan. Se presuponen causales.

Control de Variables Extrañas

Los requisitos para el control de variables extrañas son:

  • Aleatorización
  • Emparejamiento
  • Control estadístico
  • Diseño de control experimental

Terminología de Diseño Experimental (Signos X, O, R)

Los signos (X: exposición de un grupo a variable independiente, O: proceso de observación y medida de cambios en la variable dependiente, R: asignación aleatoria) se adaptan a las siguientes convenciones:

  • Los movimientos de izquierda a derecha indican secuencia temporal.
  • Cada fila hace referencia a un mismo grupo de prueba.
  • Cada columna indica acontecimientos simultáneos.

Tipos de Diseños (Pre-experimentales vs. Experimentales Verdaderos)

Los diseños pre-experimentales no contienen aleatorización. En cambio, los diseños experimentales verdaderos contienen aleatorización y tienen grupo de control.

Técnicas y Conceptos Específicos de Predicción

Predicción según Relaciones entre Variables

Hace referencia a la dependencia o relación entre el comportamiento de diferentes fenómenos que facilita la predicción. Algunos ejemplos son:

  • Analogías
  • Análisis de regularidades estadísticas
  • Modelos de simulación deterministas
  • Modelos econométricos

Índice de Confianza del Consumidor (ICC)

Índice de Situación Actual

Es una parte del ICC y refleja la valoración que hacen los consumidores de la situación económica actual en relación con la que tenían 6 meses antes.

Índice de Expectativas

Refleja la situación económica esperada por los consumidores para dentro de 6 meses.

Terminología de Predicción (Estimación Flash)

La estimación flash se realiza inmediatamente después de que el periodo a predecir haya terminado y cuando la información es todavía incompleta.

Problema del Sobreajuste (Overfitting)

Origen

Surge de los modelos más complejos, que generan menores errores de ajuste (en la muestra de entrenamiento) pero malas predicciones (fuera de la muestra).

Solución

Se debe dividir la muestra en 2 submuestras: el grupo de entrenamiento (para ajustar el modelo) y el grupo de contraste o validación (para evaluar la capacidad predictiva). Esta forma de solucionar el sobreajuste requiere tener una muestra suficientemente grande.

Técnicas Elementales sin Historia (Inconvenientes)

Algunos de los inconvenientes son:

  • Que la información que se utiliza podría ser usada de forma más eficiente.
  • Que algunos supuestos que usan ciertas técnicas no tienen por qué cumplirse.

Técnica del Nowcasting

Suele tener más variables que observaciones (k > N) y no todas las variables explicativas contemporáneas son publicadas de forma sincrónica.

Reuniones de Directivos (Sesgos)

Pueden dar problemas debido a que los altos cargos o personalidades dominantes sesguen el resultado.

Ejemplo de Técnica sin Historia (Analogía)

Una estimación del número de camas hospitalarias en los próximos tres años que pasaría por suponer que en España se converge al valor actual de las camas por habitante en Francia es una técnica sin historia, concretamente una analogía.

7nsFaGFiy3gAAAABJRU5ErkJggg==