💬 Práctica Aplicada - Foro Netselfie - Regresión by ADEN - Transformación

Jefferson Rodríguez

2024-01-22 04:35:14 UTC

Problema de regresion - Predicciones del Clima

2024-06-30 04:57:52 UTC

Jose Luis Mora

Abelardo Sánchez España

2024-08-18 06:03:25 UTC

En mi experiencia como estudiante de la maestría en Big Data y Business Intelligence, veo que los modelos de regresión tienen un amplio campo de aplicación que va más allá de lo que hemos abordado en clase. Por ejemplo, me imagino que se podrían aplicar en la predicción de la demanda energética en ciudades inteligentes, lo que permitiría una mejor gestión de recursos y una reducción significativa de costos operativos. También podrían utilizarse en la evaluación del impacto de políticas públicas mediante la predicción de indicadores socioeconómicos, mejorando la toma de decisiones a nivel gubernamental. El impacto positivo de estos modelos radica en su capacidad para proporcionar predicciones precisas que faciliten la planificación y optimización en diversas industrias. Sin embargo, una de las principales dificultades que podría surgir es la calidad y disponibilidad de los datos. Sin datos precisos y representativos, el modelo podría estar sesgado o ineficiente, lo que afectaría la validez de sus predicciones. Además, el fenómeno de data drift, donde los datos en producción difieren significativamente de los datos de entrenamiento, podría complicar el mantenimiento y la eficacia del modelo a lo largo del tiempo.

Los modelos de regresión en la industria avícola

2024-09-07 18:10:30 UTC

Los modelos de regresión se utilizan en la industria avícola para optimizar la producción y mejorar la eficiencia. Estos permiten predecir la producción de huevos, controlar la calidad, optimizar la alimentación, monitorear la salud de las aves y gestionar inventarios. Utilizando bibliotecas como scikit-learn y statsmodels, los profesionales pueden tomar decisiones basadas en datos, mejorando así la planificación y reduciendo costos. Se espera que cada vez más avicultores modernicen sus sistemas para el bienestar de los animales y mantener el mercado abastecido.

Aplicación de Modelos de Regresión

2024-09-22 15:07:15 UTC

Una de las aplicaciones mas útiles en la actualidad, es en la predicción de adquirir o no una enfermedad, allí debemos tener en cuenta variables relevantes como: edad, peso, historial familiar, hábitos de vida, etc., La regresión como herramienta es muy útil aquí para identificar a personas en riesgo, diseñar tratamientos personalizados y comprender mejor las enfermedades. Al igual que cualquier modelo, tiene limitaciones, pero es una herramienta valiosa en la búsqueda de una mejor salud.

Modelo de regresión - avaluos

2024-09-30 23:31:48 UTC

El uso de un modelo de regresión en un negocio de avalúos o tasación de inmuebles puede generar una mejora significativa en la eficiencia del proceso. Por ejemplo, una empresa que ofrece servicios de tasación para bancos, relacionados con préstamos y créditos hipotecarios, puede reducir el tiempo de procesamiento de 5 días a tan solo 48 horas. Esto es posible gracias a la implementación de modelos de regresión y redes neuronales que permiten analizar de manera más rápida y precisa una serie de variables clave. Entre las variables más importantes para este tipo de modelos se encuentran la ubicación del inmueble, la geografía, la plusvalía, el precio por metro cuadrado, la antigüedad del inmueble, el barrio, y la disponibilidad de servicios públicos y transporte. Estos factores se modelan como KPI's esenciales para predecir con mayor exactitud el valor de un inmueble, lo que mejora la precisión y rapidez de los avalúos y acelera los procesos de crédito para los bancos.

LUIS ALEXANDER ROCHA HERRERA

2024-10-10 02:03:13 UTC

Actualmente laboro en una entidad promotora de salud, y la aplicabilidad de modelos de regresión lineal son muchos, uno puede ser un modelo para predecir los costos médicos en función de factores como las comorbilidades del paciente, la duración de la estancia hospitalaria y los tratamientos recibidos. Esto permite optimizar recursos y mejorar la planificación financiera.

En si, la regresión lineal no solo es una herramienta poderosa en la investigación y la práctica médica, sino que también tiene el potencial de mejorar los sistemas de salud a nivel global, impulsando la prevención y la atención más eficiente de las enfermedades.

Modelos de Regresión aplicados a ventas – Lilliam Ruiz

2024-10-14 19:54:47 UTC

Los modelos de regresión en la actualizad son una gran herramienta para ayudarnos a predecir estimaciones de ventas, ayudan mucho a crear una base de donde partir para los Forecast.

La necesidad de un modelo de este tipo nace, dado que finanzas y operaciones requerían un numero de ventas base para aplicarlo a cálculos de revenue, inventarios, producción y otros procesos internos, que se ven afectados por las variaciones en la demanda.

Ante esto se trabajó en la creación de un modelo, que tomara en cuenta aspectos como la estacionalidad y los promedios de datos históricos de los últimos años, las regiones y otros datos estadísticos.

Para estimaciones a largo plazo se emplea la data del modelo tal cual, mientras que para un periodo de corto plazo el resultado del modelo se alinea con la realidad del mercado, ya que se revisa con los ejecutivos de ventas para sensibilizarlo a la realidad, la cual puede estar por encima o por debajo de lo previsto. Estos ajustes luego se reintroducen al modelo para modificar estimaciones futuras.

Modelos de Regresión Sector Textil - Melvin Menjivar

2024-10-18 21:27:41 UTC

En el ámbito textil los modelos de regresión se pueden aplicar para estimar la demanda de los productos de cada cliente y así realizar las proyecciones de la capacidad requerida para un tiempo estimado, realizar las compras y gestión de materia prima de forma eficiente y servir de apoyo para la planificación del recurso operativo, maquinaria y asignación de trabajo a las líneas producción.

En la industria farmaceutica..

2024-11-10 23:16:12 UTC

Los modelos de regresión también se utilizan en la evaluación económica de los medicamentos. Ayudan a determinar y modelar la relación entre el costo de los medicamentos y efectos y los beneficios esperados para determinar la costoefectividad de diferentes terapias farmacológicas.

Modelos de Regresión en Supply Chain - Retail

2024-12-06 04:32:40 UTC

La aplicación de modelos de regresión en la cadena de suministro del sector retail puede mejorar significativamente la eficiencia y la precisión en la planificación y gestión de inventarios, la predicción de la demanda y la optimización de rutas

1. Predicción de la Demanda

Los modelos de regresión pueden ayudar a predecir la demanda futura de productos basándose en datos históricos. Esto facilita la planificación de inventarios y reduce el riesgo de desabastecimiento o exceso de stock.

2. Optimización de Inventarios

Utilizando modelos de regresión, se pueden identificar patrones y tendencias en los niveles de inventario, lo que permite optimizar las cantidades de productos almacenados y reducir costos de almacenamiento.

Optimización de Rutas Logísticas

Se pueden desarrollar modelos de regresión para optimizar las rutas de entrega basándose en factores como el tráfico, la distancia y los tiempos de entrega.

logísticas, entre otros aspect

Aplicacion de modelo de regresion

2025-01-06 02:49:01 UTC

Hay muchas areas de uso para los modelos de regresion, dado que estos lo que buscan es predecir un valor numerico podriamos usarlo para las siguientes aplicaciones practicas.

Prediccion de precio de viviendas
Estimacion de consumo electrico
Pronostico de ventas
Analisis de riesgo financiero
Demanda de transporte

Entre otras.

Modelo de regresión satisfacción de clientes

2025-02-23 23:14:43 UTC

Pienso que se podría desarrollar un modelo de regresión donde la variable de respuesta sea la calificación con respecto a que tan satisfecho esta una persona con una empresa (en una escala de 1 a 10) tomando como variables predictoras años siendo cliente de la empresa, numero de veces que ha contado el centro de atención al cliente, y si ha traído nuevos clientes a través de referencias.

Modelo de Regresión

2025-03-01 02:22:45 UTC

Un caso interesante sería poder predecir si un cliente volverá a comprar o no (probabilidad). El impacto de poder medir esta probabilidad de Customer Churn ayudaría a enfocar mejor los esfuerzos de marketing y comerciales, elaborar campañas especializadas, ofertas personalizadas, etc.

Modelo de regresion - Industria Alimentacion

2025-03-23 00:37:39 UTC

Con los modelos de regresion se puede tratar de predecir las ventas y a partir de ahi predecir la circulacion de los insumos que se poseen en nuestro inventario y con ello reducir los costos y aumentar la rentabilidad del negocio.

Problemas de Regresion - Elaboración del Presupuesto Anual

2025-03-29 20:45:09 UTC

La parte de los ingresos en el presupuesto se vería fortalecida estableciendo un modelo que prediga sus principales variables.

René M

2025-04-01 02:29:17 UTC

Me encuentro laborando en el sector publico actualmente. Los modelos de regresión tienen un impacto crucial en el diseño de políticas públicas al permitir predicciones sobre pobreza, desempleo, educación y salud. Ayudan a asignar recursos eficientemente y anticipar problemas sociales. Sin embargo, la falta de datos de calidad puede distorsionar estos análisis, afectando la toma de decisiones. Mejorar la recopilación y limpieza de datos es clave para garantizar políticas más precisas y equitativas, maximizando su impacto en la sociedad.

Con modelos de regresión se puede calcular compras de clientes, recompras de clientes, fuga de clientes, crecimiento en el mercado, crecimiento de la competencia, compra de insumos.

2025-09-17 22:29:28 UTC

Modelo de Regresión - Andrea Guerra

2025-10-28 05:03:35 UTC

Los modelos de regresión sirven para estimar valores numéricos continuos, como el precio de un seguro, la demanda de un producto o el ingreso esperado de un cliente. Ambos tipos de modelos permiten tomar decisiones más informadas usando datos históricos y patrones aprendidos por la máquina.

Regresión

2025-10-29 03:26:41 UTC

Buenas noches. Según entiendo la regresión, permite predecir un valor. En ese sentido pienso que se podría usar estos modelos de regresion por ejemplo para determinar el costo de la canasta basica o el costo de un producto dentro de dicha canasta básica, tomando variables como el indice de precios del consumidor, inflación, la temporada, entre otras.

Saludos.

Luis B.

Aplicaciones, impacto y desafíos de los modelos de regresión

2025-12-16 02:43:45 UTC

Los modelos de regresión se utilizan ampliamente para resolver problemas en los que se busca predecir valores numéricos continuos a partir de datos históricos. Además del caso clásico de predicción de precios de seguros o viviendas, existen numerosos escenarios actuales donde estos modelos ya se están aplicando o podrían aplicarse con gran efectividad.

Entre otros casos relevantes, se pueden mencionar la predicción del consumo energético en hogares o industrias, lo que permite optimizar la generación y distribución de electricidad; la estimación de la demanda de productos en el sector retail, ayudando a reducir inventarios excesivos y quiebres de stock; la predicción de tiempos de entrega en logística; la estimación de ingresos y ventas futuras en empresas; y la predicción de indicadores financieros como tasas de interés, inflación o riesgo crediticio. En el sector salud, la regresión también se utiliza para estimar costos médicos, duración de hospitalizaciones y evolución de indicadores clínicos.

El impacto positivo de estos modelos es significativo. Permiten una mejor toma de decisiones basada en datos, reducen la incertidumbre, optimizan recursos y costos, y facilitan la planificación estratégica tanto en organizaciones privadas como públicas. Además, al automatizar predicciones, se mejora la eficiencia operativa y se pueden anticipar escenarios futuros, lo que aporta ventajas competitivas y sociales importantes.

No obstante, el desarrollo de modelos de regresión enfrenta diversas dificultades. Entre las principales se encuentran la baja calidad o escasez de datos, la presencia de datos sesgados o desactualizados, el riesgo de data leakage durante el entrenamiento, y los problemas de data drift y concept drift una vez que el modelo se encuentra en producción. También existen desafíos técnicos como la selección adecuada de variables, la interpretación del modelo, el sobreajuste y la necesidad de monitoreo continuo para garantizar que el desempeño se mantenga estable en el tiempo.

En conclusión, los modelos de regresión son herramientas fundamentales en el aprendizaje automático moderno, con un alto potencial de impacto positivo, siempre que se desarrollen e implementen siguiendo buenas prácticas metodológicas y de monitoreo.

Modelos de regresión

2025-12-27 21:44:30 UTC

Los modelos de regresión se utilizan para predecir valores numéricos como costos, ventas o consumo, generando un impacto directo en la toma de decisiones del negocio, por ejemplo al optimizar precios, planificar inventarios o estimar demanda futura. Sin embargo, su implementación presenta dificultades como cambios en el comportamiento de los datos (data o concept drift), riesgo de leakage al usar información no disponible en producción y limitaciones de modelos simples para capturar relaciones complejas, por lo que es clave un buen preprocesamiento y monitoreo continuo del modelo.

Predecir recompra

2026-01-04 18:30:34 UTC

En nuestro negocio una de las métricas más importantes es el rate de recompra, poder definir que probabilidad de recompra tiene un cliente es fundamental, ya que podemos revisar que opciones mejorar para que un cliente ya ganado, vuelva a comprar

2026-02-08 02:16:51 UTC

Jose E Mejia Fuenes

Predicción de demanda y ventas (retail / e-commerce)

· Qué predice: ventas por día/semana por tienda o producto.

· Impacto positivo: mejor inventario (menos quiebres y menos sobrestock), mejores compras y promociones más efectivas.

· Dificultades: estacionalidad fuerte, cambios de precio/promos que “distorsionan” el patrón, datos incompletos o cambios de catálogo.

Estimación de tiempos de entrega (logística / paquetería)

· Qué predice: ETA (minutos/horas/días) de una entrega según ruta, tráfico, clima, operador y volumen.

· Impacto positivo: mejor experiencia del cliente, menos reclamos, mejor planeación de rutas y costos.

· Dificultades: datos en tiempo real, eventos inesperados (accidentes, cierres), y drift (los patrones cambian por temporadas).

Predicción de consumo de energía (hogares/industrias)

· Qué predice: kWh consumidos por hora/día según temperatura, ocupación, turnos, máquinas activas.

· Impacto positivo: ahorro, eficiencia, reducción de picos y mejor planificación de capacidad.

· Dificultades: sensores fallando, cambios de hábitos, y necesidad de mucha granularidad.

Valuación de propiedades (real estate)

· Qué predice: precio estimado de una casa/departamento por zona, m², antigüedad, amenities, cercanía a servicios.

· Impacto positivo: decisiones más informadas para compradores/vendedores y menor incertidumbre del mercado.

· Dificultades: sesgos por zonas, datos desactualizados, variables difíciles de cuantificar (seguridad, “plus” de ubicación).

En general, lo positivo de la regresión es que ayuda a planificar mejor, reducir costos y tomar decisiones con números, no con corazonadas.

Retos comunes son la calidad de datos, variables externas difíciles de medir, cambios en el comportamiento (drift), y explicar el modelo a stakeholders.

Aplicación de un modelos de regresión en el sector financiero:

2026-02-14 18:45:55 UTC

En los bancos se pueden aplicar modelos de regresión para calcular la perdida crediticia esperada.

Si se cuenta con información histórica de la PD, EAD y la LGD, se podría analizar y determinar la probabilidad de que un préstamo incurra en morosidad. Esto es muy importante porque permite resolver un problema que impacta las utilidades del banco a través del establecimiento de reservas.

Regresiones

2026-03-04 04:49:46 UTC

Las regresiones impactan lo cotidiano porque sirven para predecir números (no categorías): precios, tiempos, cantidades, demanda, riesgo, etc. Eso se usa para tomar decisiones más rápidas y menos “a ojo”.

Ejemplos súper diarios:

Precios y vivienda: estimar cuánto vale una casa/depa según zona, metros², antigüedad, etc.
Apps de transporte (Uber/Maps): predecir tiempo de llegada y costo según tráfico, distancia y hora.
Compras y supermercados: predecir demanda (cuánto pan/leche se venderá) para evitar escasez o desperdicio.
Bancos y finanzas: estimar cuánto podrías gastar, cuánto pagarías de cuota, o probabilidad de atraso (a veces como score numérico).
Salud y fitness: predecir calorías quemadas, ritmo cardíaco esperado, o riesgo numérico basado en variables (edad, actividad, historial).
Energía y servicios: predecir consumo de luz/agua para ajustar producción y detectar anomalías.
Negocios: estimar ventas futuras con base en promociones, temporada, clima, etc.
Industria: predecir vida útil de una máquina o cuándo fallará (tiempo restante).

En simple: regresión = “¿cuánto?” “¿cuándo?” “¿cuánto va a costar?”.
Eso afecta desde lo que pagas, lo que te recomiendan, hasta si una empresa tiene producto disponible cuando lo necesitas.

Johanna A. Sánchez

2026-04-03 05:42:59 UTC

La aplicación de los modelos de regresión, están aportando de manera importante en la predicción de eventos en todos los sectores. Pero será muy importante sus aportes en el área de la salud en la prevención, diagnóstico y tratamiento de enfermedades, coelle uso de datos históricos, respecto a los hábitos, antecedentes familiares y causas relacionadas como por ejemplo a la región, cultura, constumbres, entre otros datos relevantes. Por supuesto es una herramienta significativa en la investigación médica.

María Fernanda Poveda

2026-04-17 05:02:37 UTC

Me parece que la aplicación de modelos de regresión pueden tener muchísimas aplicaciones, otro ejemplo de su uso seria para la estimación de presupuestos de productos o servicios. Uno de los principales retos y/o posibles limitaciones pueden ser la disponibilidad de información precisa.

Predicción de precios en boletos de avión mediante modelos de regresión

2026-04-27 01:45:54 UTC

Un caso interesante donde se pueden aplicar modelos de regresión es en la predicción del precio de boletos de avión. Las aerolíneas generan constantemente datos como fecha de compra, anticipación de reserva, temporada, destino, demanda, escalas, clase de vuelo y disponibilidad de asientos. Con estas variables, un modelo puede estimar el precio futuro de un boleto y ayudar tanto a la empresa como al cliente. El impacto positivo sería una mejor estrategia de precios, mayor ocupación de vuelos y decisiones más inteligentes para promociones y ventas. También permitiría al cliente identificar el mejor momento para comprar y ahorrar dinero. Sin embargo, una dificultad importante es que los precios cambian muy rápido por factores externos como combustible, clima, eventos inesperados o alta demanda. Además, si los datos no están bien actualizados o completos, el modelo puede perder precisión y generar malas predicciones.

Predecir mejor para competir mejor: el valor de la regresión en el sector farmacéutico

2026-05-01 04:05:05 UTC

En mi opinión, los modelos de regresión pueden aportar muchísimo valor en el sector farmacéutico, especialmente en los procesos de licitación pública. Aunque el resultado final de un tender se refleja en ganar o no ganar, una gran parte de esa decisión está influenciada por variables numéricas, y la más crítica suele ser el precio. Por eso, la regresión me parece una herramienta muy útil, ya que permite estimar rangos de precios competitivos a partir del comportamiento histórico del mercado, de los participantes y de las condiciones de cada proceso.

En este tipo de actos públicos, donde la competencia es alta y los márgenes de error pueden ser costosos, contar con un modelo que ayude a anticipar escenarios de precio puede mejorar considerablemente la toma de decisiones. No se trata solo de ofertar más bajo, sino de entender cuál puede ser el punto de equilibrio entre competitividad, rentabilidad y probabilidad de adjudicación. Desde esa perspectiva, la regresión permite pasar de una lógica más intuitiva a una estrategia más analítica y sustentada en datos.

Además, creo que este tipo de modelos no solo ayudan a mejorar la posibilidad de ganar licitaciones, sino también a identificar patrones del mercado que muchas veces no son evidentes a simple vista. Por ejemplo, pueden mostrar cómo se comportan ciertos competidores, cómo influyen determinadas variables del proceso y qué tendencias de precio se repiten en distintas categorías de productos. Al final, el valor de la regresión está en convertir información histórica en una herramienta práctica para competir con mayor inteligencia.

La importancia de los modelos de regresión en salud

2026-05-04 03:23:06 UTC

Los modelos de regresión son cruciales en el análisis de datos del sector salud en Colombia porque permiten predecir costos médicos con precisión actuarial, optimizando primas de seguros y presupuestos hospitalarios en un sistema mixto EPS + Fosyga.

Estos modelos permiten definir desafíos estructurales del sistema tales como la tasa de envejecimiento de la población, de obesidad de la población entre otros

Predicción de Riesgos Operacionales mediante Modelos de Regresión en Programas LOTO

2026-06-19 03:44:07 UTC

Los modelos de regresión tienen una aplicación muy valiosa en la gestión de la seguridad industrial y los programas de Aislamiento Seguro de Energía (LOTO). A diferencia de los modelos de clasificación, que determinan categorías, los modelos de regresión permiten predecir valores numéricos que facilitan la toma de decisiones basadas en datos.

En el entorno minero, estos modelos podrían utilizarse para estimar indicadores como la probabilidad de ocurrencia de incidentes, el tiempo requerido para completar aislamientos complejos, la cantidad de desviaciones detectadas durante inspecciones o el riesgo asociado a determinadas tareas de mantenimiento. Para ello, se pueden analizar variables como horas trabajadas, experiencia del personal, historial de incidentes, complejidad de los equipos y condiciones operativas.

La implementación de modelos de regresión tendría un impacto positivo al permitir una planificación más eficiente, una mejor asignación de recursos y una gestión preventiva de los riesgos. Además, contribuiría a fortalecer la cultura de seguridad, optimizar los procesos LOTO y reducir la probabilidad de incidentes mediante la identificación temprana de tendencias y comportamientos que requieren atención.

Predecir cuánto desperdiciamos

2026-07-03 03:10:50 UTC

Continuando con la idea del desperdicio doméstico, también podría abordarse como un problema de regresión. En vez de clasificar un producto como de bajo, medio o alto riesgo, el modelo podría intentar predecir cuánta comida o cuánto dinero podría desperdiciarse en un hogar durante una semana o un mes.

Para eso se podrían usar datos como compras anteriores, fechas de vencimiento, cantidad de personas en el hogar, frecuencia de consumo y productos que normalmente se botan. El impacto positivo sería ayudar a planificar compras más realistas, reducir gastos innecesarios y generar menos residuos.

Una dificultad sería que muchos no podriamos registrar con detalle lo que se desperdicia. Además, los hábitos pueden cambiar por temporadas, viajes, visitas o cambios en la rutina, por lo que el modelo tendría que actualizarse con frecuencia para seguir siendo útil.

Modelos de Regresión

2026-07-11 17:59:34 UTC

Los modelos de regresión permiten predecir valores numéricos y, con ello, anticipar comportamientos, optimizar decisiones y mejorar eficiencia operativa. Su impacto va desde la estrategia hasta la ejecución diaria.