Las técnicas estadÃsticas predictivas, base de la econometrÃa, especifican el modelo para los datos de acuerdo a un conocimiento teórico previo recogido en la teorÃa económica, médica, biológica, farmacológica, epidemiológica, ingenierÃa o de la materia de la que se trate. Una vez identificado el modelo teórico, se procede a su estimación debiendo ser posteriormente contrastado antes de aceptarlo como válido. Finalmente ya puede utilizarse el modelo para predecir. Tenemos asà las cuatro fases tÃpicas de la modelización predictiva: identificación, estimación, diagnosis y predicción. Podemos incluir entre las técnicas predictivas todos los tipos de regresión lineal y no lineal, series temporales, análisis de la varianza y la covarianza, modelos de diseño de experimentos, análisis discriminante, árboles de decisión y redes neuronales.
Pero, tanto los árboles de decisión, como las redes neuronales y el análisis discriminante son a su vez técnicas de clasificación que pueden extraer perfiles de comportamiento o clases, siendo el objetivo construir un modelo que permita clasificar cualquier nuevo dato. Los árboles de decisión permiten clasificar los datos en grupos basados en los valores de las variables. El mecanismo de base consiste en elegir un atributo como raÃz y desarrollar el árbol según las variables más significativas. De esta forma se puede realizar en cierto modo perfilado y segmentación de datos.
Este libro desarrolla prácticamente todas las técnicas estadÃsticas predictivas ilustrándolas con ejemplos prácticos resueltos con el software IBM SPSS. Al final de cada capÃtulo se presentan una serie de ejercicios secuenciados en orden de dificultan que permiten afianzar los conocimientos adquiridos.
