Medellín - Minas - Maestría en Ingeniería - Analítica · 2026
Comparación de modelos estocásticos y de aprendizaje de máquina para el pronóstico de la mortalidad edad-específica por tuberculosis en Colombia
La predicción de las tasas de mortalidad edad-específicas es de gran interés para la identificación de patrones poblacionales y grupos de mayor riesgo, ya que constituye un insumo clave para el diseño de políticas públicas y programas de prevención orientados a la protección del bienestar social. En la literatura existen diversos enfoques metodológicos para abordar este problema, que abarcan tanto modelos estocásticos tradicionales como técnicas de aprendizaje de máquina. En este trabajo se compara el desempeño predictivo de seis modelos —tres estocásticos y tres basados en aprendizaje de máquina— aplicados al estudio de la mortalidad por tuberculosis en Colombia. Este ejercicio se realizó a partir del ajuste de tales modelos a partir de los datos del conjunto de entrenamiento, el análisis del desempeño predictivo en el conjunto de validación fuera de muestra y la evaluación de los sesgos asociados a cada modelo. Asimismo, se discute la explicabilidad de los enfoques considerados, dado que en los estudios demográficos no solo es relevante contar con predicciones puntuales precisas, sino también comprender cómo las distintas variables involucradas en el proceso de modelación influyen sobre la respuesta. Los resultados indican que los modelos de aprendizaje de máquina basados en ensambles presentan las mejores métricas de ajuste y pronóstico, aunque pueden exhibir mayores niveles de sesgo en comparación con los modelos estocásticos. En cuanto a estos últimos, se destaca que alcanzan desempeños adecuados y que, gracias a su naturaleza paramétrica, facilitan la interpretación de la relevancia de las variables explicativas, siendo el grupo etario la más influyente de manera consistente entre los modelos estocásticos analizados. (Texto tomado de la fuente)