Las variables independientes contienen información. En el ejemplo que estamos analizando llevan en conjunto, 12.16 bits de información (no es necesario conocer cómo calcular este valor pero para aquellos que les interese pueden consultar https://powerhousedm.blogspot.com/2011/09/la-informacion-como-marco-de-referencia.html) Pero no toda esta información es útil para predecir la variable deseada. De hecho vimos en el artículo anterior que la información útil, la que se transmite, es 0.24 bits. Entonces, ¿qué sucede con los 11.92 bits restantes? (12.16-0.24=11.92) ¿Dónde fue a parar esta información? La respuesta tiene que ver con los diferentes patrones de comportamiento que se asocian a un mismo estado o mensaje de salida. Dicho de otro modo, hay varias maneras de decir lo mismo. Esto se denomina técnicamente Equivocación. Un esquema general de lo visto hasta el momento aclarará este tema
El modelo recibe a través de las variables independientes, 12.16 bits de información. Parte de esta información se considera Equivocación y parte se Transmite. Ya que se transmiten 0.24 bits, el resto 11.92 bits se considera Equivocación y nos indica que existen muchos patrones distintos que se asocian con un mismo mensaje de salida. Siempre se cumple la siguiente ecuación:
Información de Entrada = Información Transmitida + Equivocación
En el ejemplo
12.16 bits = 0.24 bits + 11.92 bits
La información que se necesitaría para predecir sin errores si un cliente se fugará o no, es de 0.39 bits (en los ejemplos anteriores tomamos 0.40). Al canal de transmisión ingresan 0.24 bits provenientes de la entrada más 0.15 bits de Ruido.
Siempre se cumple la siguiente ecuación: Información Requerida = Información Transmitida + Ruido En el ejemplo
0.39 bits = 0.24 bits + 0.15 bits
Para lograr un buen modelo es necesario que las variables seleccionadas contengan la mayor información útil y el menor ruido posible. En el ejemplo, las variables independientes, también llamadas variables de entrada, transmiten 0.24 bits o 61% de la información necesaria para predecir la variable de salida (¿se fuga o no?). La incertidumbre restante, 0.15 bits o 39% es lo que denominamos Ruido.
En el siguiente artículo veremos que este nuevo enfoque nos permite diseñar un método para seleccionar las variables con mayor información y menor ruido posible.
El modelo recibe a través de las variables independientes, 12.16 bits de información. Parte de esta información se considera Equivocación y parte se Transmite. Ya que se transmiten 0.24 bits, el resto 11.92 bits se considera Equivocación y nos indica que existen muchos patrones distintos que se asocian con un mismo mensaje de salida. Siempre se cumple la siguiente ecuación: Información de Entrada = Información Transmitida + Equivocación
En el ejemplo
12.16 bits = 0.24 bits + 11.92 bits
La información que se necesitaría para predecir sin errores si un cliente se fugará o no, es de 0.39 bits (en los ejemplos anteriores tomamos 0.40). Al canal de transmisión ingresan 0.24 bits provenientes de la entrada más 0.15 bits de Ruido.
Siempre se cumple la siguiente ecuación: Información Requerida = Información Transmitida + Ruido En el ejemplo
0.39 bits = 0.24 bits + 0.15 bits
Para lograr un buen modelo es necesario que las variables seleccionadas contengan la mayor información útil y el menor ruido posible. En el ejemplo, las variables independientes, también llamadas variables de entrada, transmiten 0.24 bits o 61% de la información necesaria para predecir la variable de salida (¿se fuga o no?). La incertidumbre restante, 0.15 bits o 39% es lo que denominamos Ruido.
En el siguiente artículo veremos que este nuevo enfoque nos permite diseñar un método para seleccionar las variables con mayor información y menor ruido posible.
