Etiqueta: Formación

Predicción cuantitativa por simulación: cuando proyectar no basta y necesitamos recrear el sistema

thebayesianfoxDeja un comentario

En el post anterior vimos cómo la predicción cuantitativa analítica parte de una estructura estimada y la proyecta hacia el futuro. Funciona especialmente bien cuando el fenómeno es relativamente estable y las relaciones pueden formalizarse mediante una ecuación o función. Pero no todos los sistemas se comportan así.

Hay contextos donde:

  • Las interacciones entre elementos generan dinámicas emergentes.
  • La incertidumbre es central y acumulativa.
  • Los resultados no dependen de una única trayectoria, sino de muchas posibles.
  • El comportamiento futuro depende de decisiones que se retroalimentan.

En estos casos, en lugar de resolver un modelo, necesitamos simular un sistema. Eso nos lleva a la segunda gran familia de la predicción cuantitativa: la predicción basada en simulación.

Seguir leyendo «Predicción cuantitativa por simulación: cuando proyectar no basta y necesitamos recrear el sistema»

Predicción cuantitativa analítica: cuándo usarla y cómo elegir modelo

thebayesianfoxDeja un comentario

En el post anterior vimos que la predicción no siempre empieza con datos y modelos: a veces lo más razonable es recurrir a estrategias cualitativas. Pero cuando el fenómeno es lo bastante estable, repetible y medible, la predicción cuantitativa ofrece algo muy valioso: un lenguaje común para comparar, evaluar y mejorar.

Ahora bien, dentro de la predicción cuantitativa conviene hacer una distinción fundamental porque no todos los modelos numéricos funcionan igual.

  • Algunos resuelven una estructura matemática estimada a partir de los datos y producen una predicción directa.
  • Otros, en cambio, recrean el sistema múltiples veces mediante simulación, generando dinámicas posibles y distribuciones emergentes.

Este post se centra en la primera familia: la predicción cuantitativa analítica.

Seguir leyendo «Predicción cuantitativa analítica: cuándo usarla y cómo elegir modelo»

Predicciones cualitativas: cómo predecir antes de cuantificar

thebayesianfoxDeja un comentario

Cuando se habla de predicción, la conversación suele girar rápidamente hacia modelos cuantitativos, datos y algoritmos. Sin embargo, en muchos contextos reales, la mejor estrategia predictiva no es cuantitativa, ni tampoco una simulación formal.

Antes de números, a menudo solo hay experiencia, analogías, narrativas plausibles y/o juicios informados.

A eso lo llamamos predicción cualitativa y lejos de ser un recurso “menor”, es una estrategia legítima y, en muchos casos, necesaria.

1. ¿Cuándo conviene usar predicción cualitativa?

La predicción cualitativa es especialmente útil cuando forzar una predicción cuantitativa sería artificial o engañoso. No siempre faltan datos; a veces lo que falta es estructura, comparabilidad o estabilidad.

Hay cuatro situaciones típicas:

Seguir leyendo «Predicciones cualitativas: cómo predecir antes de cuantificar»

Un mapa de las estrategias de predicción

thebayesianfoxDeja un comentario

Hablar de predicción suele llevarnos demasiado rápido a los modelos: regresión, clasificación, redes neuronales, machine learning. Pero empezar por ahí es como aprender geografía memorizando capitales sin haber visto nunca un mapa.

Antes de entrar en técnicas concretas, algoritmos o librerías, conviene dar un paso atrás y responder a una pregunta más básica:

¿De cuántas formas distintas intentamos predecir el futuro?

Este post es el primero de una serie extensa dedicada a recorrer, con calma, las distintas estrategias de predicción. No empieza por el cómo se calcula, sino por el cómo se piensa un problema predictivo.

La imagen que encabeza este post resume ese mapa general. A lo largo de la serie volveremos a ella muchas veces.

Seguir leyendo «Un mapa de las estrategias de predicción»

La tasa base: el punto de partida de toda predicción sensata

thebayesianfoxDeja un comentario

Cuando intentamos predecir algo —el precio de la vivienda, la inflación, la probabilidad de aprobar unos presupuestos o incluso el absentismo laboral— solemos empezar por las historias: explicaciones plausibles, datos recientes, señales llamativas. El problema es que, muy a menudo, empezamos por el lugar equivocado.

Antes de añadir matices, escenarios o modelos sofisticados, hay una pregunta más simple y más incómoda que deberíamos hacernos siempre:

¿Qué suele pasar, de media, cuando no sabemos nada más?

Esa respuesta es lo que llamamos tasa base.

¿Qué es exactamente una tasa base?

La tasa base es la frecuencia histórica con la que ocurre un evento en una población o contexto comparable. No explica por qué ocurre algo, solo con qué frecuencia ocurre normalmente.

Ejemplos sencillos:

  • ¿Qué porcentaje de proyectos públicos se retrasa?
  • ¿Cuántos años, de media, la inflación supera el 3 %?
  • ¿Con qué frecuencia se prorrogan los presupuestos en sistemas parlamentarios fragmentados?

La tasa base no pretende ser brillante. Pretende ser estable y ahí está su fuerza.

Seguir leyendo «La tasa base: el punto de partida de toda predicción sensata»

Tres predicciones para 2026: un ejercicio explícito de incertidumbre

thebayesianfoxDeja un comentario

Hablar del futuro suele llevarnos a dos extremos igual de poco útiles: la seguridad impostada (“esto va a pasar”) o la renuncia total (“nadie puede saber nada”). Entre ambos hay un espacio mucho más interesante: el de las predicciones probabilísticas, aquellas que no eliminan la incertidumbre, pero la hacen visible y discutible.

Este post plantea tres predicciones evaluables para 2026 en España. Son tres pronósticos sobre eventos que, a mi juicio, se sitúan en una zona “Ricitos de Oro”: lo bastante complejos como para no ser triviales, pero con información suficiente como para permitir un análisis razonado, y con decisiones reales en juego. Además, son especialmente relevantes en mi entorno.

No están pensadas para impresionar por su precisión puntual, sino para dejar constancia del razonamiento que hay detrás: qué factores considero importantes, cuáles pesan más y, sobre todo, qué tipo de evidencia me haría cambiar de opinión.

El compromiso es doble:
• Las predicciones se revisarán trimestralmente, recalibrando las probabilidades.
• A final de año se evaluará no solo el resultado, sino también la calidad del proceso seguido.

Seguir leyendo «Tres predicciones para 2026: un ejercicio explícito de incertidumbre»

Por qué no podemos predecir Cisnes Negros (II): el sesgo de supervivencia y la falacia lúdica como trampas cognitivas inevitables

thebayesianfoxDeja un comentario

En la entrega anterior de esta serie exploramos dos filtros mentales —el sesgo narrativo y el sesgo de confirmación— que nos hacen ver el mundo como más ordenado de lo que realmente es. Hoy damos un paso más y abordamos dos sesgos especialmente peligrosos para cualquiera que pretenda predecir: el sesgo de supervivencia y la falacia lúdica. Ambos reducen nuestra visión del mundo y nos hacen creer que entendemos más de lo que realmente entendemos.

Son trampas inevitables porque funcionan antes de que nos demos cuenta. Pero, precisamente por eso, conocerlas es la única forma de que dejen de ser invisibles.

Seguir leyendo «Por qué no podemos predecir Cisnes Negros (II): el sesgo de supervivencia y la falacia lúdica como trampas cognitivas inevitables»

Por qué no podemos predecir Cisnes Negros (I): el poder distorsionador del sesgo narrativo y del sesgo de confirmación

thebayesianfoxDeja un comentario

Este artículo forma parte de la serie dedicada a explorar las ideas esenciales de El Cisne Negro, de Nassim Nicholas Taleb. Tras analizar los cuadrantes, Mediocristán vs. Extremistán y algunos ejemplos históricos, hoy entramos en un terreno incómodo pero fundamental: los sesgos cognitivos que nos impiden ver —y predecir— lo que realmente importa.

Cuando hablamos de predicción solemos pensar en modelos, datos y algoritmos. Pero la mayor parte de nuestros errores no provienen de limitaciones estadísticas, sino de limitaciones humanas. Taleb insiste una y otra vez en que no vemos el mundo tal como es, sino a través de filtros cognitivos que distorsionan la información. Y dos de esos filtros —quizás los más insidiosos— son el sesgo narrativo y el sesgo de confirmación.

Seguir leyendo «Por qué no podemos predecir Cisnes Negros (I): el poder distorsionador del sesgo narrativo y del sesgo de confirmación»

Los cuatro cuadrantes de Taleb: una brújula para saber cuándo no debemos predecir

thebayesianfoxDeja un comentario

Este post forma parte de la serie dedicada a explorar las ideas esenciales de El Cisne Negro, de Nassim Taleb, cuyo objetivo es mejorar nuestra capacidad predictiva entendiendo, precisamente, cuándo la predicción funciona… y cuándo no.*

Cuando intentamos anticipar el futuro, solemos asumir que las herramientas estadísticas funcionan igual en todas partes. Pero Taleb nos recuerda que no vivimos en un único tipo de mundo. Hay entornos donde los datos se comportan de manera estable y predecible, y otros donde un solo suceso extremo puede cambiarlo todo. Para orientarnos entre estos dos mundos propone un mapa simple pero poderoso: los cuatro cuadrantes de la incertidumbre.

Este mapa cruza dos ejes fundamentales:

  1. el tipo de decisión que queremos tomar (simple o compleja), y
  2. la naturaleza del entorno (Mediocristán o Extremistán).

A continuación, exploramos cada uno de estos cuadrantes de forma clara y práctica.

Seguir leyendo «Los cuatro cuadrantes de Taleb: una brújula para saber cuándo no debemos predecir»

Mediocristán vs Extremistán: dos mundos que deciden si tu modelo predictivo acierta o falla

thebayesianfoxDeja un comentario

Este post inaugura una nueva serie del blog dedicada a explorar ideas esenciales de El Cisne Negro de Nassim Taleb. Igual que hicimos con otros libros clave, iremos desgranando conceptos y reflexionando sobre ideas que nos ayudarán a aprender a predecir mejor.

Y no hay mejor punto de partida que uno de los pilares del pensamiento de Taleb: la diferencia radical entre Mediocristán y Extremistán.

Dos mundos, dos tipos de aleatoriedad

Taleb distingue entre dos “países probabilísticos” que se parecen tanto entre sí como un estanque tranquilo respecto a un tsunami.

  • Mediocristán, donde reina la aleatoriedad suave, “domesticada”, con variaciones pequeñas.
  • Extremistán, donde domina la aleatoriedad salvaje, con eventos capaces de romper cualquier estadística.

La idea es simple: algunos fenómenos del mundo real no pueden crecer más allá de ciertos límites físicos (por ejemplo, cuánto mide una persona). Otros, en cambio, pueden escalar sin límite conocido (por ejemplo, cuánto dinero puede generar un libro o un software).

Y esa diferencia lo cambia TODO: cómo modelamos, cómo interpretamos los datos, qué tan seguros podemos estar… y cuán vulnerables somos a un Cisne Negro.

Seguir leyendo «Mediocristán vs Extremistán: dos mundos que deciden si tu modelo predictivo acierta o falla»