Documente Academic
Documente Profesional
Documente Cultură
1. Mtodo Delphi
2. Mtodo de analoga
3. Extrapolacin
4. Aplicar una asociacin estadstica
5. Aplicar un modelo causal
6. Determinar el lmite
7. Evaluar y describir la incertidumbre
Qu fuente es mejor, un modelo o los datos? Los datos empricos vienen del mismo
fenmeno que se predecir, y no de otros casos estudiados ms temprano, y su validez
es as mejor. En vez de eso, los casos de que un modelo se ha obtenido, pueden venir de
otro contexto diferente del fenmeno que ser predicho. Por otra parte, un modelo se
basa generalmente en datos desde muchos casos y tiene una mayor probabilidad de
quedar vlido en el futuro tambin.
En el caso que tanto un modelo como una serie temporal estn disponibles, usted tiene
la posibilidad de hacer dos pronsticos concurrentes con mtodos diferentes.
Compararlos hace una prueba excelente de sus confiabilidades.
De todas formas, cuando se usa un modelo causal como base de una prediccin,
debemos tener en mente que el modelo normalmente ha sido producido estudiando
cierta poblacin, lo que significa que el modelo es vlido slo en ese contexto. No
debemos generalizar demasiado y creer que el modelo ser tambin vlido en el entorno
futuro que estamos pronosticando. Cuando generalizar, se debe considerar lo siguiente:
Tanto modelos tericos como series temporales empricas que sern utilizados en
pronstico tienen que ser producidos por una investigacin anterior sobre el fenmeno o
sobre otros fenmenos similares, pero esta investigacin no necesita se hacer por el
mismo cientfico que hace el pronstico. Especialmente las teoras generales de
fenmenos a menudo han sido descubiertas y publicadas ya mucho anterior por otros
investigadores. Un estudio de la literatura pertenece as a las tareas iniciales normales en
un proyecto del pronstico.
La estructura lgica del pronstico (las lneas rojas en el diagrama a la derecha) consiste
esencialmente en el reunir, integrar y manipular informacin disponible sobre el
fenmeno. Como el diagrama demuestra, esta informacin tiene que ser obtenida de
fuentes algo diversas: de empiria, de un nivel conceptual de los estudios de caso, y del
nivel conceptual ms sofisticado de modelos generales. La naturaleza de la informacin
y su modo de presentacin son diferentes en cada nivel, y ello tambin prescribe en gran
parte los mtodos disponibles
para el pronstico, como puede
ser visto en la tabla abajo.
Conocimiento
disponible para
pronosticar
Mtodo
de
pronst
ico
Mtodo
Delphi
Un modelo
cualitativo,
verbal,
analgico o
simblico
Un modelo
cuantitativo o
aritmtico
Una tendencia: el
desarrollo reciente en el
sistema que ha de
predecirse, como
definido por una serie
de observaciones:
Mtodo
de la
analoga
Observaciones
cualitativas
(descripciones
verbales)
Extrapo
lacin
-a
partir de
las
ltimas
observa
ciones o
-a
partir de
todos
Presentaciones los
hallazgo
ilustradas
(pictricas) de s
- tal vez
los resultados
(por ejemplo, las dentro
de
historias
descriptivas de lmites
productos u
otras
presentaciones
icnicas)
Aplicacin de un
modelo causal
Todos los mtodos que aparecen aqu arriba se tratarn ms adelante. En algunos casos
ser quizs posible combinar algunos de los mtodos para mejorar la credibilidad del
pronstico. En esta obra, a continuacin, tras la presentacin de estos mtodos se tratan
los medios de que disponemos para calcular y expresar la incertidumbre de los
pronsticos.
Mtodo Delphi
El mtodo ms primitivo de pronstico es adivinar. El resultado puede ser calificado de
aceptable si la persona que hace la adivinacin es un experto en el asunto. Una cosa
importante que hay que hacer notar es que la adivinacin es el nico mtodo que puede
hacer uso del conocimiento tcito que el especialista no ha sido capaz de expresar en
palabras o cifras exactas. El mejor mtodo para obtener tal pronstico del experto es la
entrevista no estructurada. El mtodo de la entrevista nos permite inquirir sobre las
razones y explicaciones para el pronstico presentado, que podra optar por criticar y as
intentar llegar a un pronstico mejorado. Cuando entrevistamos a un experto puede que
tambin aprendamos algo que ms tarde podamos usar si preferimos construir nuestros
propios pronsticos con otros mtodos.
Podemos en ocasiones conseguir nombres y direcciones de expertos que vivan lejos y a
los que sera difcil entrevistar. Ejemplos de fuentes potenciales de expertos:
Poblaciones de evaluadores. Para consultar a tales expertos, podemos recurrir a un
cuestionario en lugar de a la entrevista. Si deseamos preguntar a varias personas
simultneamente, podramos considerar el uso del mtodo Delphi.
En al mtodo Delphi, el investigador dirige preguntas idnticas a un grupo de expertos,
pidindoles que den sus suposiciones sobre el futuro desarrollo del tema especfico. En
el siguiente paso, el investigador hace un sumario de todas las respuestas que ha
recibido, las enva a sus correspondientes y les pregunta si algn experto quiere revisar
su respuesta original.
Puesto que es difcil hacer sumarios de algo distinto de respuestas cuantitativas, las
preguntas que se usan en el procedimiento Delphi suelen ser cuantitativas, como "Cul
ser el precio del crudo en dentro de 20 aos?" Sobre la base de este tipo de respuestas,
el investigador ser capaz de calcular por ejemplo las medias y los rangos. Una ventaja
del mtodo es que siempre se puede usar el rango como una medida de la fiabilidad del
pronstico.
Por supuesto, nada impide que se usen preguntas cualitativas o de cualquier otro tipo si
la naturaleza del objeto as lo exige.
Si los encuestados se prestan al esfuerzo suplementario, se les puede pedir que
justifiquen su opinin, especialmente si difiere de la de la mayora.
El procedimiento Delphi se repite normalmente hasta que los encuestados ya no tengan
intencin de ajustar sus respuestas.
El mtodo Delphi no es muy fiable. Despus, con los resultados de cuestionarios, suele
que se haba predicho el curso real de los acontecimientos notablemente mal. La
mayora de incluso eminentes especialistas puede equivocarse, y aquellas pocas
personas que podran haber hecho una prediccin correcta, tal vez nunca se habran
seleccionado para el grupo Delphi de expertos. "Si hubieras predicho el colapso del
muro de Berln un ao antes de que ocurriera, habras mostrado que no eres un experto
en poltica."
Mtodo de la analoga
La mayora de los mtodos de pronstico utilizan algn tipo de modelo que se supone
reproduce las relaciones entre los diversos aspectos, atributos, y variables de los
acontecimientos que se predicen. El ms simple mtodo de adquirir tal modelo est
disponible si podemos trovar un sistema "forneo" que ha alcanzado un estadio
relativamente posterior o ms maduro en el desarrollo que el sistema "domstico" sobre
el que estamos pronosticando.
Ser a menudo imposible encontrar un sistema
extranjero que sera absolutamente idntico al
sistema domstico. Habitualmente el sistema
forneo, o su entorno, tienen varios rasgos que
difieren del que se va a predecir, lo que va en
detrimento de la credibilidad de nuestra
prediccin. As que tendremos probablemente
que hacer cierto nmero de correcciones. Una
diferencia tpica entre los sistemas se refiere a
su tamao (junto a la obvia diferencia de que el
sistema "forneo" ha sido medido en el pasado y el sistema "domstico" ha de continuar
en el futuro).
El proceso de pronosticar con analoga es:
1. Explora el desarrollo reciente del sistema domstico.
2. Encuentra un sistema extranjero que ha experimentado el desarrollo similar.
Consiga los datos de l.
deben pronto funcionar en 10,000 millas por hora, mientras que su peso disminuy a
unos pocos gramos?
Incluso esas analogas que mantienen a una clase sola de objetos sufren a menudo de
varios factores irregulares que afectan el sistema casero diferentemente que el
extranjero. Usted puede intentar disminuir su influencia usando ms que un sistema
extranjero, si est disponible. Es decir usted hace unos pronsticos paralelos y combina
los resultados. Todava mejore, si usted puede encontrar el patrn general que todos los
sistemas siguen. Si es posible usted puede avanzar a mtodos ms confiables del
pronstico como Aplicar un modelo estadstico o Aplicar un modelo causal.
Una ms debilidad del mtodo de la analoga es que es difcil determinar la
incertidumbre de sus resultados.
Extrapolacin
La extrapolacin es el mtodo ms habitual de pronstico. Se basa en suponer que el
curso de los acontecimientos continuar en la misma direccin y con velocidad
constante (o con una velocidad creciente o decreciente a un ritmo constante = una
extrapolacin logartmica).
La base para una extrapolacin ser el conocimiento sobre el
reciente desarrollo del fenmeno. Necesitaremos al menos dos
(aunque habitualmente tenemos ms) observaciones secuencias
hechas en puntos conocidos en el tiempo. El principio se muestra en
la figura a la derecha.
1. comenzamos con dos o ms observaciones que se hicieron en distintos puntos en
el tiempo, (t= -1 y t= 0, en el diagrama),
2. nos fijamos en las diferencias entre ellas (cuantitativas o cualitativas),
3. aadimos estas diferencias al informe de la ltima observacin,
4. y aqu tenemos nuestro pronstico (la lnea roja en el diagrama).
Usted tendr la opcin de medir la diferencia d como valor absoluto o como progreso
proporcional. La medida absoluta significa que el cambio contina en velocidad
constante. La evolucin proporcional, por ejemplo "el aumento 10% a la observacin
precedente" significa que el paso del cambio est aumentando (o disminuyendo). Esta
alternativa a veces se llama " extrapolacin logartmica ", ve la figura abajo.
Si tenemos ms de dos observaciones, tenemos la opcin de elegir el nmero de
observaciones sobre el que basaremos la extrapolacin. Si sentimos que las ltimas
observaciones tienen mejor capacidad predictiva que las anteriores, puede que
prefiramos hacer caso omiso de las primeras observaciones. Una alternativa es dar ms
peso a las ltimas observaciones que a las primeras. Si decidimos usar un amplio
nmero de observaciones (en otras palabras, estamos extrapolando la tendencia)
probablemente desearemos hacer los clculos con un programa de anlisis de regresin
si los datos son cuantitativos.
Buen
tiempo
Presin
Tormenta
baja
y lluvia
pronsticos: "Buen tiempo" en el fin alto de la gradacin, y "Tormenta y lluvia" en la
parte ms baja. Estos pronsticos se basan en la experiencia de largo plazo que
podramos comprimir en un modelo como la tabla a la derecha. Tal modelo puede ser
llamado descriptivo porque representa solamente la relacin aparente de los fenmenos
(presin de aire y tiempo) sin dar ninguna explicacin o causa a este lazo. El modelo no
nos dice cul de los fenmenos depende del otro, o aunque hay tal dependencia. No
obstante, tal modelo puede sea usado a predecir.
Un modelo estadstico se basa en una serie de observaciones en el fenmeno, y delinea
la asociacin entre los varios factores o variables del fenmeno que estn de inters.
Esta asociacin necesita no ser absoluta; un nmero pequeo de anomalas a la regla
general reduce pero no estropea enteramente la capacidad pronostica del modelo.
Los modelos descriptivos que se utilizan en el pronstico son a menudo cuantitativos,
pero cualitativos se utilizan tambin. De hecho, cualquiera de varios lenguajes de
modelo pueda ser utilizado.
Por ejemplo, los refranes verbales fueron utilizados como la base del pronstico de
tiempo ya largo antes barmetros: "El cielo rojo en la noche es placer de un marinero;
el cielo rojo por maana, marineros deben tener cuidado" (refrn ingls.) Y adems:
"El anillo alrededor de la luna trae una tormenta pronto." Observa que en el desarrollo
de productos hay muchos aspectos que mejor se expresan grficamente, por ejemplo los
pronsticos de la tendencia de moda.
Los modelos descriptivos cuantitativos se componen de las variables y una expresin
que defina su relacin el uno al otro. Esta relacin se llama asociacin estadstica para
acentuar que origina de una serie de observaciones. Para los modelos cuantitativos esta
asociacin se puede expresar como una curva o una ecuacin, e.g. del tipo y = ax + b.
En la seccin en extrapolacin discutimos ya dos tipos de asociaciones: las tendencias
lineares y logartmicas.
El mtodo de predecir en base de un modelo descriptivo es simple, como puede ser visto
en el diagrama a la derecha. Si una de las variables en el modelo es tiempo, es
solamente necesario insertar cualquier punta futura elegida del tiempo y despus leer el
"valor" de la variable deseada en el modelo. (El "valor" est en citas aqu porque en
modelos cualitativos su contenido no es numrico.)
Hay tambin otra manera de usar un modelo: estudiar
la direccin del cambio de las variables, como en la
tabla a la derecha.
Presin
se leva
El tiempo
mejorar
Presin
El tiempo
se baja
deteriorar
En este mtodo necesitamos una observacin reciente del cambio del factor que no se
est prediciendo (aqu es la presin area). De sta podemos deducir el cambio
anticipado del factor que se debe pronosticar.
Predecir sobre la base de modelos estadsticos suele ser factible y exitoso incluso
cuando no sabemos la razn o explicacin de la asociacin matemtica que hemos
encontrado en los datos histricos.
Por ejemplo, la vida de un animal sigue generalmente el mismo patrn que es tpico
para la especie. Si usted sabe este patrn, puede incluso ser posible pronosticar sin tener
Hay grandes riesgos en pronosticar sin saber las razones de las asociaciones estadsticas.
La mayor parte de los pronsticos cientficos de las economas nacionales son bien
conocidos por su baja fiabilidad, lo que, desde luego, es un resultado de la falta de
comprensin de las conexiones actuales de las variables de la economa. Adems, este
mtodo falla invariablemente discernir las seales dbiles que existen en datos pero se
quedan desapercibidos hasta que alguien entiende despus que era estos factores que
finalmente determinaron la direccin de la evolucin.
Hablando de modo general, debemos siempre tratar de descubrir la explicacin racional
que hay tras la asociacin estadstica que vamos a usar como base de nuestros
pronsticos. Siempre es ms seguro pronosticar sobre la base de un modelo causal
(descrito ms adelante), que pronosticar solo sobre la base de la asociacin estadstica.
Cuando usted sabe las relaciones causales entre las variables usted podr utilizar
mtodos de pronstico mucho ms avanzados que los modelos estadsticos meros
permitiran. stos incluyen:
Cuando usted sabe las relaciones causales usted puede modificar el modelo
segn los requisitos de la situacin.
Cuando usted desea no slo pronosticar pero tambin cambiar el futuro, es fcil
de localizar esos cambios en las variables independientes que son necesarias
para causar el cambio deseado en las variables dependientes.
El modelo causal suele ser tan complicado que se maneja mejor usando un ordenador.
Incluso entonces, necesitaremos habitualmente una presentacin ilustrativa de nuestro
modelo para clarificar nuestro pensamiento y finalmente presentarlo en el informe. En
dicha ilustracin necesitaremos un sistema de notacin para describir las distintas
relaciones lgicas entre las variables. El programa de ordenador normalmente ser
capaz de mostrar el modelo, usando sus notaciones incorporadas. Si no podemos
encontrar sistemas de notacin ya listos
para usar, podemos idear uno.
Un famoso ejemplo de modelo causal
amplio fue creado por el llamado Club de
Roma en 1972. Este modelo, publicado
en el libro Los lmites al crecimiento,
consiste en docenas de variables,
incluyendo la poblacin mundial, tasa de
nacimientos, produccin industrial y
agrcola, los recursos no renovables y la
contaminacin. En el modelo, los niveles,
o cantidades fsicas que pueden ser
medidas directamente, se indicaron con
rectngulos
, las tasas que influyen en
esos niveles con vlvulas
, y las
variables auxiliares que influyen en las
ecuaciones de las tasas con crculos .
Los lapsos de tiempo se indicaron con
secciones dentro de rectngulos
. Los
flujos reales de gentes, bienes, dinero, etc. se representaron por flechas continuas
y
las relaciones causales con flechas discontinuas
. Las nubes
representen
fuentes o "pilas" (salidas de material) que no son importantes para el comportamiento
del modelo.
Determinar el lmite
Es a menudo ventajoso el usar un mtodo para el pronstico para el corto plazo y otro
para los periodos de largo plazo. Para el futuro prximo, se usa con frecuencia la
extrapolacin lineal, mientras que ocurre con frecuencia que el sentido comn, la
investigacin, u otra fuente de conocimiento general, nos dicen que la evolucin que
estamos pronosticando est sujeta a lmites preestablecidos que dictan los
acontecimientos ms prximos, sino ms bien un futuro ms distante. Podemos, por
ejemplo, estar estudiando el crecimiento de una planta sabiendo que el crecimiento
constante alcanzar en su momento un fin.
Si este es el caso, podemos combinar dos mtodos de pronstico: extrapolamos slo los
valores ms cercanos, mientras que basamos el pronstico de los valores posteriores
sobre una ley general. Ejemplos tpicos de tales desarrollos a largo plazo son:
La "curva de catstrofe"
describe el fin de un desarrollo
que ha tenido un comienzo
gradual, suave, pero para el que,
sin embargo, se prev que ir al
final hacia una completa extincin, tal vez abrupta.
Una curva difusa. Esto puede realizarse dibujando la curva como una lnea
gruesa o hecha a mano.
Escenarios paralelos.