Confianza en los Indicadores de Rendimiento Prognóstico: ¿Cuánto Dato es Suficiente?

Con una mayor dependencia de los métodos prognósticos, existe una brecha en la comprensión de los requisitos de datos y, en consecuencia, del rendimiento del modelo. La falta o abundancia relativa de ejemplos históricos dicta la confianza general en las métricas reportadas por cualquier estrategia prognóstica. Estas métricas, a su vez, determinan el valor operativo general del pronóstico. Los datos escasos pueden hacer que los operadores crean en los números sin conocer la incertidumbre que rodea a esos números. Este trabajo examina la relación entre la cantidad de datos y el intervalo de confianza del rendimiento prognóstico. El número de ejemplos históricos impulsa la incertidumbre de muestreo, añadiendo a la incertidumbre de detección. La incertidumbre combinada rige tanto el éxito de detección (Recall) como la cantidad de vida sacrificada para evitar el evento de falla no programado. Ambas entidades son fundamentales para justificar la estrategia prognóstica, y por lo tanto, la cantidad de datos históricos es un factor clave. A medida que avanza el deterioro estimado, hay un compromiso operativo entre la eliminación temprana y la detección de eventos. De esta manera, la contribución del error de muestreo a la incertidumbre general de predicción tiene un impacto operativo.