Medellín - Ciencias - Maestría en Ciencias - Estadística · 2026
Ajuste de modelos lineales mixtos para la estimación futura del consumo de energía en servicios públicos de clientes del departamento de Antioquia
En un mundo cada vez más orientado hacia el análisis de datos, las herramientas estadísticas brindan una ventaja competitiva significativa al permitir un enfoque informado y basado en evidencia para la toma de decisiones. Con este enfoque, las empresas pueden tomar decisiones más informadas y desarrollar estrategias sólidas para abordar los desafíos y oportunidades emergentes. Las metodologías estadísticas pueden aplicarse en una amplia variedad de campos y sectores empresariales, lo que les brinda una versatilidad única. En el caso particular de las empresas prestadoras de servicios públicos domiciliarios en Colombia, la normatividad exige la revisión de las variaciones en el consumo de sus clientes. Sin embargo, en la identificación de estas variaciones, conocidas como desviaciones significativas, se les permite a las empresas aplicar su criterio. La mayoría de ellas utiliza cálculos de variación del consumo del mes actual frente al consumo promedio de los últimos seis meses. Aunque esta práctica es común, son pocos los casos en los que se han propuesto metodologías basadas en comportamientos históricos respaldados por modelos estadísticos solidos. Por lo tanto, en este contexto, se propone un enfoque que busca mejorar la precisión de las predicciones del consumo de cada cliente. Se propone un modelo predictivo basado en el ajuste de Modelos Lineales Mixtos (MLM). Los MLM son una herramienta estadística que permite tomar en cuenta efectos fijos y aleatorios, lo que puede mejorar significativamente la precisión de las predicciones en comparación con enfoques más simples. Para esto, se tomó un histórico de consumos de energía eléctrica de 74,421 clientes del departamento de Antioquia, desde junio de 2024 hasta julio de 2025, y se ajustaron y evaluaron modelos basados en MLM para la identificación de desviaciones significativas. Adicionalmente, se creó un dashboard en R para permitir que los clientes internos de la empresa puedan utilizar el modelo estadístico ajustado para identificar consumos de energía. (Texto tomado de la fuente)