Obtención de datos experimentales

01 · Punto de partida

Sin datos, los parámetros son deseos

Todo λ, p, μ y σ del modelo debería venir de mediciones o declararse supuesto. Medir es diseñar: qué variable, con qué instrumento, en qué ventana, con qué formato. Un dato mal medido calibra mal aunque la familia sea correcta.

El enemigo es el sesgo: medir solo en hora pico, redondear tiempos, perder los ceros. Este tema deja el protocolo mínimo para que tus datos sostengan el ajuste (tema 34).

• ¿Qué variable exacta alimenta cada parámetro?
• ¿En qué ventana y con qué instrumento se mide?
• ¿La muestra cubre valles y picos o solo lo visible?
• ¿El registro guarda crudos con fecha o solo promedios?

02 · Definición

Protocolo mínimo de medición

03 · Sesgos que rompen modelos

Los 4 clásicos

Selección

Quién/qué entra en la muestra. Horarios cómodos ≠ día completo.

Medición

Cómo se registra: redondeo, umbral, sensor que satura en picos.

Supervivencia

Solo éxitos visibles («clientes atendidos», sin abandonos): la cola real es peor.

Agregación

Guardar promedios destruye forma y colas. Guardar crudos preserva todo.

04 · Ejemplos

Mediciones que alimentan parámetros

1. 1
   Llegadas.

   Timestamp por puerta 7 días → λ/hora global y por hora (picos).

2. 2
   Atención.

   Inicio–fin por cliente, sin redondear → μ, σ del servicio.

3. 3
   Conversión.

   Visita sí/no con n → p con intervalo (temas 32–33).

4. 4
   Fallas.

   Fecha–hora de cada falla + horas operadas → λ/día.

5. 5
   Demanda.

   Ventas + faltantes (demanda insatisfecha): vender 10 con quiebre no es demandar 10.

05 · Representación en Python

Registrar crudos, no promedios

# Registro crudo: timestamp (min) de cada llegada
llegadas = [3, 9, 12, 21, 27, 33, 41, 48, 55, 59]
ventana_h = 1.0
lam = len(llegadas) / ventana_h
print("n:", len(llegadas), "| lam/hora:", lam)
# Entre-llegadas para chequear exponencial
entre = [b-a for a, b in zip([0]+llegadas, llegadas)]
print("entre:", entre)

Consejo: del timestamp salen conteos (Poisson) y entre-llegadas (exponencial): dos chequeos con un registro.

Sesgo de cobertura en código

# Día: 18h valle lam=6 + 6h pico lam=14. Verdadero = 8/h
# Muestrear solo pico estima 14: sesgo +75%
verdadero = (18*6 + 6*14) / 24
solo_pico = 14
print("verdadero:", verdadero, "| solo pico:", solo_pico)

06 · Exploración

Laboratorio: medir solo el pico miente

Día real: 18 h valle Poisson(6) + 6 h pico Poisson(14), media verdadera 8/hora. El deslizador q es la fracción de horas medidas en pico. Con q = 25 % (proporción real) estima 8; con q = 100 % estima 14. El ruido depende de N horas medidas.

Cada curva es λ̂ acumulado de una réplica. La recta blanca es 8; la naranja, 14 (solo pico). El sesgo no se achica con N: solo se estabiliza en el número equivocado.

Preguntas para explorar

1. Con q = 1 y N = 240, ¿λ̂ se acerca a 8? ¿Por qué más datos no arreglan?
2. Con q = 0,25 y N = 6 vs 240, ¿qué cambia: sesgo o ruido?
3. ¿Cómo diseñarías la muestra de 48 horas para estimar sin sesgo?

07 · Comprensión

Confusiones frecuentes

08 · Práctica guiada

Ejercicios con Python

Ejercicio 1: λ ponderado

Calculá el λ verdadero del día (18×6 + 6×14)/24 y el sesgo de medir 50 % en pico.

verd = (18*6 + 6*14)/24
est = 0.5*14 + 0.5*6
print("verd:", verd, "| est:", est, "| sesgo:", est-verd)

Ejercicio 2: de timestamps a λ

Con 37 llegadas en 4,5 horas, estimá λ/hora y entre-llegada media. ¿Coherentes?

n, h = 37, 4.5
print("lam:", round(n/h, 2), "| entre min:", round(60/(n/h), 1))

Ejercicio 3: ficha de medición

Escribí la ficha de «tiempo de atención» con 5 campos y n objetivo. ¿Qué sesgo evitás con cada campo?

ficha = {
 "variable": "inicio-fin por cliente, sin redondeo",
 "ventana": "lun-dom 8-20h, pico y valle proporcionales",
 "instrumento": "ticket + control manual 10%",
 "formato": "timestamp inicio,fin, cajero",
 "n": ">= 300 atenciones",
}
print(ficha)

09 · Síntesis

Ideas para recordar

En el próximo tema formalizaremos la muestra: muestras.