*NOTA
Puede completar la formación en herramientas predictivas para la toma de decisiones pulsando en el siguiente enlace.
Herramientas de predicción (FORECAST)
El ser humano siempre está interesado en conocer el resultado de sus propios esfuerzos y de los que ocurren en el entorno que le rodea. Ciencias tales como la astronomía, la econometría, la demografía o la meteorología intentan predecir el comportamiento de los sistemas con la intención de estar prevenidos para poder actuar o paliar sus efectos.
En esta sección podrá usted aprender de manera básica dos herramientas que nos permiten conocer lo que sucederá en un futuro o al tomar una determinada decisión: la regresión lineal y la simulación.
El primero se basa en técnicas de proyección del pasado y del presente para estimar el futuro y el segundo se basa en el modelado del sistema, su funcionamiento y la realización de experimentos con la intención de analizar posibles resultados.
Regresión y correlación
Regresión y correlación.
Si precisamos predecir qué ocurrirá en un futuro cercano basándonos en datos del pasado y del presente, la regresión y la correlación nos permiten realizar una estimación muy aproximada mediante el análisis de la relación entre variables y su extrapolación mediante el cálculo de una sencilla función.
Simulación
El modelo y la modelización.
El elemento clave de todo sistema de simulación es el modelo. El modelo no es otra cosa que una imagen simplificada de un sistema real. Los modelos pueden clasificarse en modelos físicos y modelos lógicos, y estos últimos a su vez pueden tener naturaleza determinista o estocástica.
Simulación.
Cuando no podemos trabajar directamente con un sistema real, primero lo modelizamos y posteriormente simulamos su comportamiento con la idea obtener consecuencias o realizar experimentos en condiciones reales o adversas. De esta manera podremos predecir lo que puede ocurrir con el sistema real antes de que una determinada situación suceda.
La simulación es aplicable a “cualquier” disciplina.
El procedimiento Monte Carlo.
Cuando trabajamos con modelos de naturaleza estocástica, es decir modelos en los que interviene la probabilidad, es preciso reducir la incertidumbre que la probabilidad provoca. Esto se consigue mediante el procedimiento Monte Carlo el cual tiene una doble acepción; por un lado es sinónimo de generador de funciones de probabilidad, y por otro es el método que nos permite aproximar el valor de la variable estocástica en el infinito.