Monte Carlo
Para investigar · Simulación
Monte Carlo
Simulaciones para estudiar qué pasa cuando se decide sobre una distribución anómala.
La pregunta
El estudio compara mecanismos sintéticos que pueden producir distribuciones anómalas y las consecuencias de distintas políticas de verificación.
Una decisión importante
Distinguir mecanismo generador, señales observables y decisiones permite estudiar tanto aciertos como errores.
Mi participación
El diseño metodológico y la interpretación son míos; la ejecución es asistida por IA.
Estado de la evidencia
- Comprobado / documentado
- En las 100 réplicas del estudio completo, la regla ponderada fue la única que cumplió los cuatro límites que fijé, pues envió a verificación al 4.0% de la cohorte simulada, con 3.6% de falsos positivos (intervalo empírico de 95%, 3.5–3.7%). Su sensibilidad media, de 34.8%, junta dos mecanismos muy distintos, porque señaló al 99.4% de las personas simuladas con exposición parcial y solo al 2.6% de las que recibieron asistencia latente por bloques.
- Observado en uso
- Experimentos con datos sintéticos. No se presentan como detección individual de conducta indebida.
- Pendiente
- Incorporar resultados a reportes desactualizados y validar de forma independiente ajustes post hoc.
Fuentes: consolidados locales, estado de cola y reporte técnico.