Descriptivos y predictivos

01 · Punto de partida

Contar el pasado o apostar al futuro

«La espera promedió 8 minutos» describe; «mañana promediará 9 ± 2» predice. Lo primero se verifica con los datos en la mano; lo segundo, esperando a que el futuro llegue. Esa asimetría cambia cómo se construye y se evalúa cada modelo.

• ¿Miro hacia atrás o hacia adelante?
• ¿Con qué horizonte y con qué error?
• ¿Cómo lo compruebo sin esperar al futuro?
• ¿Qué cambia si el régimen se rompe?

02 · Definiciones

Espejo y faros

03 · Validación

Probar sin máquina del tiempo

1. 1
   Partí los datos.

   Ajustá con el pasado lejano y probá con el pasado reciente (backtesting).

2. 2
   Declarál horizonte y error.

   «A 2 pasos, ±1,5»: la predicción sin margen no se puede juzgar.

3. 3
   Compará contra lo trivial.

   Si no supera a «repetir el último valor», el modelo no aporta.

4. 4
   Vigilá la deriva.

   Los regímenes cambian: lo que predecía deja de predecir y hay que revalidar.

Horizonte

Alcance temporal de la predicción.

Error fuera de muestra

Desvío medido en datos no usados para ajustar.

Sobreajuste

Memorizar el pasado a costa del futuro.

Deriva

Cambio de régimen que invalida lo aprendido.

04 · Puentes

Primero describir, después predecir

La descripción alimenta la predicción: promedios y tendencias son su materia prima. Y predecir bien exige haber descripto bien.

05 · En Python

Resumir y proyectar con la misma historia

h = [10, 12, 11, 13, 15, 14]


def describir(historia):
    return {
        "media": round(sum(historia) / len(historia), 2),
        "pico": max(historia),
        "ultimo": historia[-1],
    }


print(describir(h))

Predecir con la tendencia reciente

def predecir(historia, pasos=2):
    # Tendencia = subida media por paso entre anteúltimo y último.
    t = (historia[-1] - historia[-3]) / 2
    return [round(historia[-1] + t * (i + 1), 2) for i in range(pasos)]


print(predecir([10, 12, 11, 13, 15, 14]))

06 · Exploración

Laboratorio: ventana que ajusta, horizonte que arriesga

Los puntos son mediciones hasta t = 8; la recta se ajusta con la ventana (últimos puntos) y se proyecta al horizonte. Achicá la ventana o alargá el horizonte y mirá el error.

La recta lima ajusta la ventana; la punteada proyecta; los puntos verdes son el futuro real que el modelo no vio.

Preguntas para explorar

1. Con horizonte 6, ¿el error crece? ¿Por qué prometer lejos cuesta?
2. Con ventana 2 y ruido 2, ¿la recta sigue la tendencia o el ruido?
3. ¿Qué ventana elegirías para una serie con cambios de régimen?

07 · Comprensión

Confusiones frecuentes

08 · Práctica guiada

Ejercicios con Python

Ejercicio 1: describir

Resumí esta historia con media, pico y último. ¿Qué cuenta cada número?

def describir(historia):
    return {
        "media": round(sum(historia) / len(historia), 2),
        "pico": max(historia),
        "ultimo": historia[-1],
    }


print(describir([10, 12, 11, 13, 15, 14]))

Ejercicio 2: predecir y comprobar

Proyectá 2 pasos con la tendencia y compará contra el futuro real [16, 15].

def predecir(historia, pasos=2):
    t = (historia[-1] - historia[-3]) / 2
    return [round(historia[-1] + t * (i + 1), 2) for i in range(pasos)]


pred = predecir([10, 12, 11, 13, 15, 14])
real = [16, 15]
print(pred, [abs(p - r) for p, r in zip(pred, real)])

Ejercicio 3: backtesting casero

Escondé los últimos 2 de [10, 12, 11, 13, 15, 14], predecilos y medí el error. ¿Harías la apuesta?

h = [10, 12, 11, 13, 15, 14]
ajuste, futuro = h[:-2], h[-2:]
t = (ajuste[-1] - ajuste[-3]) / 2
pred = [round(ajuste[-1] + t * (i + 1), 2) for i in range(2)]
print("pred:", pred, "real:", futuro)

09 · Síntesis

Ideas para recordar

En el próximo tema separaremos fórmulas de programas: modelos analíticos y computacionales.