Está en la página 1de 10

Modelos Predictivos.

Interpretaciones y predicciones

Ejemplo del restaurante Japonés Hacemos uso de interpretaciones para pronosticar un acontecimiento futuro, para predecir. Usamos modelos predictivos cuando votamos, compramos casas o invertimos en la jubilación. En cada caso, hacemos predicciones basadas en nuestras interpretaciones. Para realizar una predicción o inferir una relación causal, debemos primero interpretar la situación. Mientras una interpretación clasifica el conjunto de posibilidades, un modelo predictivo describe lo que se cree que va a suceder en algún contexto a la luz de nuestras interpretaciones. Podemos clasificar bien y predecir bien, o clasificar mal y equivocarnos (como los turistas)

Predecir la probabilidad de lluvia Cuando miramos al cielo para tratar de predecir la probabilidad de lluvia, hacemos una interpretación sobre el tiempo actual: la temperatura, velocidad del viento, la formación de nubes, hora del día, y el color del cielo. Tomamos un trozo de la realidad que, con base en nuestra experiencia, es relevante para determinar el clima. A continuación, predecimos la probabilidad de lluvia sobre la base de nuestros conocimientos y experiencia.

Dos personas con la misma interpretación puede hacer predicciones, pero sus diversas experiencias o intuiciones apuntarán hacia conclusiones diferentes. Las interpretaciones influyen en las predicciones, pero no determinan todas.

Todos queremos saber cómo funcionan las cosas. Con el tiempo, mejoramos y perfeccionamos nuestros modelos predictivos. Cuanto menos ruidoso es el ambiente, más fácilmente podemos sacar inferencias causales. Sin embargo, aunque mucho ruido dificulta nuestra capacidad para predecir, añadir un poco de ruido tendrá un efecto inesperado, un poco de aleatoriedad puede ser útil y reforzar nuestra creencia en nuestros modelos.

o qué no hacer: "estamos tan mojados. Los modelos simplifican el mundo y pueden tomar muchas formas. Los modelos predictivos son pensamientos. como se verá más adelante. sin embargo. debido a su dimensión y complejidad. hay modelos de dinámica de sistemas. Modelos predictivos Los modelos interpretan la realidad y luego producen salidas. vamos a protegernos". Los expertos aprender a mirar sólo algunas características y hacen predicciones. Los modelos predictivos difieren de la heurística. incluso los expertos no las entienden completamente. Por tanto. No obstante. Los modelos predictivos basados en interpretaciones simples pueden ser poderosos. Si las interpretaciones difieren. este no es siempre el caso. simplificamos. las predicciones diferentes resultar beneficiosa. La heurística nos dice qué hacer: "Está lloviendo. La heurística son acciones. Un modelo predictivo es una interpretación junto con una predicción para cada conjunto o categoría creada. modelos de análisis factorial y modelos basados en agentes. dada la interpretación y la información disponible. conducen a predicciones diferentes. modelos de teoría de juegos. se supone que estas predicciones han de ser tan precisas como sea posible. Hay situaciones en que. . modelos de regresión. Siempre usamos nuestro método de interpretación.Cada uno de nosotros lleva un conjunto de modelos predictivos en la cabeza. por ejemplo. así que sigamos caminando”. Esos productos toman la forma de predicciones. Un modelo predictivo nos dice lo que crees que va a suceder: "Parece que lloverá".

si es malo (B).2 muestra el mapeo de las características. Ray y Marilyn. Suponemos que sólo aceptan guiones que producen ganancias. Un ejemplo llamado Éxito en la pantalla Consideremos un contexto en el que las evaluaciones rápidas son la norma: la evaluación de guiones de cine. La Tabla 4.Utilizando nuestro marco de referencia sobre los modelos predictivos. productora de cine. A cada guión presentado se le asignan niveles de sexo (S) y violencia (V). Formalismo. podemos tener idea de cómo estas evaluaciones simples pueden ser exactas y también por qué pueden existir entornos en los que no lo pueden ser. clasificados en una de cuatro categorías: ninguno. cuya tarea es leer guiones. Se consideran dos empleados de una Cía. debe ser tirado a la basura. Se asume un mapeo determinista de estas características. si un guión es bueno (G) puede ser la base para una película rentable. moderado y alto (cuadro 4. En la siguiente parte agregaremos los modelos predictivos. . bajo.1. Y nuestros modelos predictivos se basan en interpretaciones. Aplicamos modelos predictivos casi cada vez que pensamos. Así que esta codificación es una interpretación. Los modelos requieren la simplificación de la realidad.) Una perspectiva completa sobre todas las películas contiene más dimensiones que estas dos.

Se supone que Ray realiza un seguimiento del nivel de sexo (figura 4. . se asume que Ray y Marilyn no lo hacen.1) y Marilyn se mantiene atenta a la violencia (figura 4. podría perfectamente predecir si el guión es bueno o malo.2). Cada uno carece de la capacidad (o el tiempo o la inclinación) para analizar ambos atributos.Si alguien conociera el mapa y llevara la cuenta de los niveles de sexo y violencia.

La buena. podemos caracterizar modelo predictivo de Marilyn en la tabla 4. el tiene mucha experiencia en la lectura de guiones. Por ejemplo. sabe que tres de cada cuatro veces (75%) este tipo de películas no va a ser rentable. sería una película sin contenido sexual y violencia moderada. ésta describe el modelo predictivo. y que las películas con niveles moderados y altos de sexo serán buenas el 75% de las veces. De las películas sin contenido sexual. .4. sólo tenemos que adjuntar una predicción para cada conjunto en la interpretación. En la primera columna se muestra el nivel de sexo en las películas. Las predicciones de Ray se resumen en la tabla 4. tres serían B y una G. También sabe que los guiones con niveles bajos de sexo son malos el 75% de las veces. En la segunda se muestra las interpretaciones que Ray hizo. Del mismo modo.Para activar estas interpretaciones en modelos predictivos.3. supongamos que Ray lee un guión sin sexo.

es igualmente probable que ella predeciría correctamente y él no. Ella usa una interpretación agrupada. Cuando se evalúa un guión sin sexo y mucha violencia. él podría predecir un fracaso. y los guiones con un mínimo o un nivel moderado de sexo o violencia como extremos (véase el cuadro 4. extremo. En este ejemplo. Deborah. la creación de conjuntos que permiten la variación de los dos atributos dentro de la misma categoría. .5). él podría predecir correctamente y ella no. Considerando que una interpretación divide el cuadrado en filas o columnas. mientras ella podría predecir un éxito. Ahora añadimos un tercer evaluador de guiones. una interpretación agrupada se divide en cajas de varias formas. Suponiendo que tiene mucha experiencia y que hace la predicción más probable para cada conjunto en su interpretación.La observación muestra que Marilyn también hará una caracterización correcta el 75 por ciento de las veces. Los grupos de interpretación de guiones de Deborah se dividen en tres conjuntos: aburrido.6. Si promediamos todos los casos. o equilibrado. los guiones con niveles bajos o moderados de sexo o violencia y aquellos con un altos niveles o ninguno como equilibrados. Deborah clasifica los guiones con niveles bajos y moderados de sexo y violencia como aburridos. ella y Ray no hacen las mismas predicciones. Su modelo predictivo se muestra en la tabla 4. el modelo predice que los guiones equilibrados de Deborah serán buenos y que los demás serán malos. Sin embargo.

. Dada su habilidad para predecir. esta diversidad resulta beneficiosa. habrían tenido que depender de las teorías. y Deborah se sentirían cómodos con sus propios modelos de predicción. Modelos basados en la teoría En ausencia de experiencia. sin embargo. Varios modelos predictivos pueden ser igualmente precisos. mediante el examen de todos los casos. el de Deborah parece extraño. Cuando se agregan estos modelos predictivos. En sus primeros días de trabajo. Ella es tan exacta como ellos. Ray podría haber teorizado que los guiones con niveles bajos y moderados de sexo serían buenos y llegar al modelo predictivo mostrado en la tabla 4. que no podrían ser mejores que utilizar el azar o la lógica. Ray. sin experiencia. podemos ver que ella también predice correctamente el 75% de las veces.7. La diversidad puede persistir en un ambiente competitivo. Marilyn. se pueden hacer predicciones basadas en teorías.En relación con los modelos de Ray y Marilyn. Marilyn y Ray. por ejemplo. La gente no necesita converger en un modelo predictivo común.

sería imposible realizar evaluaciones rápidas que pueden ser altamente precisas. Puede ser que ninguno de los modelos de predicción funciona bien. Es importante indicar que una interpretación que representa los objetos o eventos es en sí misma insuficiente. Una interpretación puede capturar dimensiones o atributos que revelan causalidad subyacente o de correlación. Podemos distinguir entre la máxima precisión del modelo predictivo de una interpretación y la exactitud de un modelo dado.Este modelo predice correctamente el 50 por ciento de las veces. De ser así. en algunos contextos la precisión máxima de una interpretación no puede ser alta. hacer una evaluación rápida sobre la base de un único atributo no será eficaz. . pero a menos que la interpretación se combine con un modelo de predicción. Tenemos a nuestra disposición un modelo de predicción para cada dimensión. Ray podría hacerlo igual de bien si lanzara una moneda. De ser así. En otras palabras. Como hemos visto. no puede resultar útil. la precisión de una teoría en particular no necesita lograr este máximo. La máxima precisión del modelo predictivo de una interpretación se alcanzaría si la persona sabe la verdadera distribución de probabilidad de los resultados (algo que nos acerca a la experiencia). Supongamos que partimos de una perspectiva común utilizada para construir interpretaciones y modelos predictivos. a veces se pueden realizar evaluaciones rápidas y a veces no. Sin embargo. Se requiere la existencia de otra dimensión que haga la tarea fácil.

eso es beneficioso. Dada la diversidad de interpretaciones posibles. pero en la mayoría de los casos la gente no utiliza puntos de vista. somos humanos. éstos se basan en unas pocas dimensiones como máximo. Teniendo en cuenta estas interpretaciones. Estas interpretaciones dejar fuera algunas variables e incluyen otras. La mayor parte de la evidencia muestra que la mayoría de la gente. tenemos un montón de diversos expertos. crecimiento de las ventas. Los expertos no pueden predecir con mucha exactitud los resultados de los complejos procesos económicos y políticos.Supongamos que queremos predecir si el precio de las acciones de una compañía aumentará o disminuirá. no podremos saber mejor que al azar si el precio de las acciones iría hacia arriba o hacia abajo. los inversores. Porque al hacer predicciones. no sólo tienen una idea de lo que va a suceder a partir de sus “poderes místicos”. lo que llamamos interpretaciones. un modelo predictivo. Las perspectivas nos daría una representación plena y completa. El elemento humano no está ausente. alguien lo encontraría y elevaría el precio de las acciones infravaloradas. incluso los expertos. Reflexiones finales Diferentes conceptos que hemos cubierto en los últimos dos capítulos. . Si queremos predecir algo. La razón no es única una dimensión de mucho valor predictivo. Nosotros llamamos a estas predicciones. como veremos. podemos hacer predicciones basadas en nuestras experiencias o en una teoría. corren regresiones. Las personas que invierten con éxito en el mercado de valores utilizan sofisticados modelos predictivos. Si existiera una forma sencilla para predecir el aumento de precios de las acciones. junto con las interpretaciones. debemos tener alguna manera de representar a las entidades cuyos resultados estamos prediciendo. Por eso los expertos corren regresiones. Cualquier interpretación tiene un modelo de máxima precisión. son menos precisos que los modelos de regresión basados en datos. cambios en el precio de las acciones durante el año--. Si nos fijamos en cualquier atributo de la empresa --ratio precio-beneficio. Después de todo. Y. pero no tenemos ninguna razón para creer que la gente utiliza este modelo. reúnen datos. Éstas se basan en variables elegidas por la gente. omiten variables que importan y a veces incluyen variables que no importan.

. Si nos enfrentamos a una tarea predictiva complicada.A veces sencillos modelos predictivos funcionan bien. los modelos predictivos basados en interpretaciones sencillas serán inexactos la mayor parte del tiempo. incluso cuando las predicciones individuales pueden no ser exactas. A veces no. las colecciones de las diversas predicciones inexactas puede serlo. Como veremos en la siguiente parte.