Analítica · Analítica de marketing · Nota de método · etapa C8 min de lectura
Calibración y por qué la exactitud es la métrica equivocada
Una demostración de la experiencia editorial prevista. Los artículos definitivos se gestionan en el editor de contenidos.
Última actualización: 1 de septiembre de 2026El problema no es clasificar; es decidir con probabilidades.
La exactitud reduce una predicción probabilística a una clase y oculta si un 0,8 significa realmente ocho eventos por cada diez casos semejantes. Un modelo puede ordenar bien y estar mal calibrado.
Una cantidad que sí se puede comprobar.
P(Y = 1 | p̂ = p) ≈ p
Si las observaciones con predicción cercana a 0,7 presentan el evento alrededor de siete veces de cada diez, la probabilidad está calibrada en esa región.
Comprobación mínima en R.
library(dplyr)
validacion |>
mutate(decil = ntile(probabilidad, 10)) |>
group_by(decil) |>
summarise(predicha = mean(probabilidad),
observada = mean(evento))Código de ejemplo; los datos son deliberadamente genéricos.
Cómo citar esta nota.
Contreras, G. (2026). Calibración y por qué la exactitud es la métrica equivocada. Nota de método.