○ planned · proyecto
Otorga nivel a: Deep Uncertainty · Statistics
Usa: Statistics · Probability · Deep Uncertainty · Simulation
Taxonomía de la incertidumbre y el concepto de ‘incertidumbre radical’ (no conocemos estructura, parámetros ni cómo evaluar opciones). Frente a sistemas caóticos, propone decision making under deep uncertainty: simular masivamente y minar datos para extraer decisiones robustas y adaptativas, no predicciones.
Hallazgos clave
- La ecuación logística (determinista) muestra caos: para R=4 el valor estacionario es una distribución uniforme.
- Keynes distingue incertidumbre probabilística de incertidumbre radical (por qué la gente invierte en Tesla).
- Los pronósticos fallan sistemáticamente: fertilidad de Japón (20 años) y capacidad fotovoltaica (IEA siempre subestimó).
- DMDU responde: qué combinaciones de parámetros hacen fallar una decisión, y qué módulos disparar hoy vs esperar.
- ‘High dimensional stacking’ para minar espacios de incertidumbre de ~700 dimensiones; estadísticos densidad y cobertura.
- La respuesta óptima es dinámica, no estática; los modelos son una ‘prótesis cognitiva’ del equipo humano.
Módulos
- Taxonomía de la incertidumbre y qué es incertidumbre radical.
- Ejemplos de caos — ecuación logística, Japón, fotovoltaicas.
- DMDU y sus cuatro preguntas fundamentales.
- Caso 1: política climática y minado del espacio.
- Caso 2: cartera de infraestructura hídrica.
- Prótesis cognitiva y experimentos conductuales.
Fuente: https://www.youtube.com/watch?v=kWC_Vott6mY · Transcript local: data/cursos/datapub-incertidumbre-dmdu/incertidumbre-dmdu.srt
Enlaces
Otorga nivel a: Deep Uncertainty · Statistics Usa: Statistics · Probability · Deep Uncertainty · Simulation