Galit Shmueli
Universidad Nacional Tsing Hua
El modelado estadístico es una herramienta poderosa para desarrollar y probar teorías mediante la explicación, predicción y descripción causal. En muchas disciplinas, se utiliza casi exclusivamente para la explicación causal, asumiendo que los modelos con alto poder explicativo poseen inherentemente un alto poder predictivo. Si bien la confusión entre explicación y predicción es frecuente, es fundamental comprender la distinción para el avance del conocimiento científico y su correcta aplicación en la práctica.
Comprender las diferencias entre el modelado y la evaluación explicativos y predictivos es crucial para evaluar la calidad de la información de un conjunto de datos: su potencial para lograr un objetivo científico/práctico mediante el análisis de datos. Si bien la distinción entre explicar y predecir se reconoce en la filosofía de la ciencia, la literatura estadística y de minería de datos carece de un análisis exhaustivo de las numerosas diferencias que surgen en el proceso de modelado para un objetivo explicativo frente a uno predictivo. En esta charla, aclararé la distinción entre el modelado explicativo y el predictivo y revelaré sus implicaciones prácticas en el análisis de datos.
Referencia: ¿Explicar o predecir? por Galit Schmueli, Statistical Science 2010, vol. 25, n.º 3, 289-310
