Instituto de estudios Bancarios Guillermo Subercaseaux Principios Básicos de Economía y Empresas. Unidad Dos: Fundamentos epistemológicos de los modelos de comportamiento en Economía. Instituto de estudios Bancarios Guillermo Subercaseaux

Fundamentos epistemológicos Fundamentos epistemológicos del modelamiento. Modelamiento en las ciencias.

Fundamentos epistemológicos del modelamiento. La epistemología es la rama de la filosofía centrada en el conocimiento científico. Según esto, los fundamentos epistemológicos del modelamiento abordan la forma científica de modelar el comportamiento de una cierta variable. En esta unidad veremos el proceso de modelamiento de una variable económica: sus etapas, sus procedimientos y sus resultados. En resumen, estudiaremos cómo opera el “Método Científico” para conseguir sus resultados.

Fundamentos epistemológicos del modelamiento. Existen dos formas en las que el método científico llega a sus resultados: el método inductivo y el método deductivo. El método inductivo parte de premisas particulares para llegar a conclusiones generales. El método deductivo, en cambio, parte de premisas generales o universales, para luego obtener conclusiones sobre un punto en particular. De estos dos enfoques, el más usado es el método deductivo, debido a que sus conclusiones son mejor apoyadas por la evidencia empírica.

Fundamentos epistemológicos del modelamiento. Nosotros entendemos que la ciencia apareció en el mundo como una forma de encontrar la verdad acerca de los hechos que nos rodean. Esta, junto a la Religión y la Filosofía, nos permite explicar los fenómenos que ocurren a nuestro alrededor. No obstante, a diferencia de la Religión y la Filosofía, la Ciencia trabaja sobre la base de hechos comprobables, es decir, necesitan evidencia palpable, cuantificable, medible, para determinar la veracidad de sus planteamientos. Para conseguir estos resultados, la ciencia sigue una serie de pasos que implican plantear una teoría, estructurar esta teoría en forma de hipótesis y luego contrastar dicha hipótesis con la realidad existente.

Fundamentos epistemológicos del modelamiento. Cuando se plantea un problema a resolver, como por ejemplo determinar la estatura promedio de una población, se proponen dos hipótesis: una hipótesis A (llamada hipótesis original) y una hipótesis B (llamada hipótesis alternativa). Estas hipótesis son contrastadas con los datos obtenidos de la realidad y validadas o rechazadas según se ajusten a los resultados esperados. ¿Cómo la ciencia determina que los datos se ajustan a un determinado resultado? Mediante modelar el comportamiento probabilístico de los datos. Aquí nace el concepto de Función de Probabilidad.

Fundamentos epistemológicos del modelamiento. Una Función de Probabilidad es una representación matemática acerca del comportamiento de los datos de una población. Específicamente, es una función que asocia a cada punto de su espacio muestral “X” la probabilidad “Y” de que ésta lo asuma. La función de probabilidad existe cuando hablamos de una variable aleatoria, es decir, una variable que asume un cierto valor de acuerdo a la probabilidad de que ocurra un evento que genere dicho valor. La distribución de probabilidad más utilizada para testear hipótesis es la Distribución normal, que posee 2 parámetros clave: la media y la varianza. Veremos esto en la lámina siguiente.

Fundamentos epistemológicos del modelamiento.

Fundamentos epistemológicos del modelamiento. La media “μ” de la distribución es un parámetro de posición, es decir, indica dónde se colocará el punto medio de la función (es su eje central), mientras que el parámetro de dispersión de la distribución normal es la varianza “σ2”, que indica qué tan cerca o lejos están los datos con respecto a su punto medio. Muchos test de hipótesis asumen generalmente que los datos se distribuyen de forma normal, por lo cual desarrollan hipótesis acerca del valor de su parámetro μ. La hipótesis a testear es la hipótesis original μ = Xi, la cual puede ser aceptada o rechazada según los resultados.

Fundamentos epistemológicos del modelamiento. Cuando la muestra seleccionada presenta evidencia de que la hipótesis original es verdadera, entonces se acepta dicha hipótesis. Al contrario, cuando no presenta esa evidencia, se rechaza la hipótesis. Sin embargo, existe una posibilidad de que rechacemos la hipótesis original cuando esta es verdadera, así como también de aceptarla cuando en realidad es falsa; ambas posibilidades pueden representarse mediante un error, con su respectiva probabilidad de ocurrencia. En el primer caso la probabilidad “α” se denomina probabilidad de error tipo I, mientras que para el segundo caso la probabilidad “β” se denomina probabilidad de error tipo II.

Modelamiento en las ciencias. Ahora que hemos introducido los fundamentos del estudio científico, veremos los pasos que sigue la ciencia para determinar la veracidad o falsedad de sus postulados. Estos pasos son claves para llegar al resultado correcto, por lo que los científicos trabajan de forma muy cuidadosa para no pasar por alto ninguno de ellos, pues de lo contrario arriesgan la validez de su trabajo y sus conclusiones. A continuación analizaremos los pasos del método científico.

Modelamiento en las ciencias. ETAPA 1: PLANTEO DEL PROBLEMA. Revisión de teorías vigentes (estudios previos sobre el tema, trabajos en temas relacionados, estudio del conocimiento consolidado y respaldado en el acervo cultural y científico, etc.) Análisis de la experiencia y observación de eventos relacionados con la hipótesis a estudiar. Utilizar la intuición y la imaginación.

Modelamiento en las ciencias. ETAPA 2: CONSTRUCCIÓN DE UN MODELO TEORICO. Una vez realizada la etapa 1, se revisan las teorías vigentes que se relacionan con el tema en cuestión y se selecciona un conjunto de premisas iniciales (axiomas, supuestos, hipótesis ya validadas, datos válidos). Luego, se encadenan de forma lógica estos elementos para formar la proposición final. Lo que se busca es probar algo que no se haya probado antes y que represente un aporte a la comprensión del fenómeno bajo estudio.

Modelamiento en las ciencias. ETAPA 3: DEDUCCIÓN DE CONSECUENCIAS PARTICULARES. En esta etapa se plantea la proposición final, la que puede ser predictiva o explicativa. Una hipótesis predictiva pretende plantear cuál será el valor o estado futuro de una variable, o el resultado futuro de un suceso en cuestión. Por su parte, una hipótesis explicativa busca determinar la relación entre una variable “Explicada” en función del comportamiento de una o más variables “Explicativas”. Esta última hipótesis es de las más comunes en Economía y, por lo general, los modelos económicos básicos buscan primero explicar, para luego predecir.

Modelamiento en las ciencias. ETAPA 4: CONTRASTACIÓN DE LAS PREDICCIONES CON LA REALIDAD. Diseño de la Prueba: consiste, primero, en revisar cuáles son los resultados esperados de la hipótesis (consecuencias observables); luego se determinan las variables e indicadores; después se determinan los procedimientos de obtención de información. Por último, se determinan los procedimientos de análisis de datos. Prueba empírica: Una vez realizados los pasos anteriores, se realiza la prueba, se interpretan los datos y se determinan las probabilidades de error tipo I y II.

Modelamiento en las ciencias. ETAPA 4: CONTRASTACIÓN DE LAS PREDICCIONES CON LA REALIDAD. Si la hipótesis resulta compatible, significa que los datos avalaron el comportamiento de la variable de acuerdo a lo planteado por ella; entonces se dice que fue contrastada con éxito (por esta vez), por lo cual se decide aceptar su postulado. En cambio, cuando la hipótesis es incompatible, significa que los datos no dieron evidencia de que la variable se comporte según lo planteado; entonces se revisa todo el procedimiento y se rediseñan las pruebas y/o se cambia el modelo o la hipótesis.

Modelamiento en las ciencias. ETAPA 5: INTRODUCCIÓN DE LAS CONCLUSIONES EN LA TEORÍA. Una vez que se revisó el modelo en cuanto a si está bien especificado y resultó respaldado por la evidencia empírica, se evalúa la posible inclusión de el trabajo en la teoría existente. Lo que sigue generalmente es plantear un mejoramiento del trabajo terminado, como por ejemplo probar el modelo sobre un subconjunto más específico dentro del universo poblacional sobre el que se probó el modelo original.