Voy a tratar de explicar esto desde un punto de vista técnico. Intentaré hacerlo sencillo, porque me temo que hay bastante confusión. Statistics 101. 🦠
Cuando analizamos una serie histórica y, con ella, las desviaciones que se producen, es necesario estudiar la media, la tendencia, la estacionalidad, la aleatoriedad, la desviación típica e el intervalo de confianza. 🦠
La media es el centro de gravedad de un fenómeno aleatorio. El valor entorno al cual se agrupan los valores de un conjunto. Es obvio que, en un desplazamiento temporal, la media puede evolucionar. No es lo mismo el peso medio de los niños con 3 meses que con 48. 🦠 
La tendencia es el cambio a L/P que se produce respecto de la media. Es el movimiento “natural” de la serie. Los pasajeros de líneas aéreas oscilan (bueno, oscilaban) según el momento del año (azul), pero su movimiento (su comportamiento tendencial) es claro (en rojo). 🦠
La estacionalidad de la serie tiene que ver con las variaciones *sistemáticas* que se detectan, de forma constante, a lo largo del tiempo, en diferentes momentos. Toman su nombre de las estaciones de año, xo pueden darse en cq periodo. La gripe afecta más en otoño-inverno. 🦠
La componente aleatoria de una serie, o aleateoriedad, se relaciona con elementos no medibles directamente. No es ni tendencia ni estacionalidad. Es un suceso o conjunto de ellos que afecta a la serie pero que, a priori, no podemos anticipar. 🦠
Bueno. Todo ello se condensa en la “historia” de cualquier fenómeno evolutivo. Algunos son muy “constantes” a L/P como el consumo eléctrico, o las mareas; otros, muy “variables”, como la bolsa. De su estudio se ocupa, claro, el análisis de series temporales. 🦠
Es evidente que, cuando predecimos, necesitamos considerar la oscilación posible asociada a la aleariedad del propio fenómeno que estamos estudiando. Se sabe que la regularidad está asociada a la famosa campana de Gauss. Este es Carl Friedrich, más conocido por su apellido. 🦠
Sí, la aleatoriedad es tan “regular” que también puede estudiarse. Os presento la máquina de Galton. No hay truco. Hay aleatoriedad medible en términos de probabilidad. Una preciosidad que muestra la regularidad del azar. 🦠
A ver, que me despisto. Como habéis visto en el vídeo, no siempre los excesos de las barras son iguales, ni ocurren en los mismos lugares. Pero, gracias al concepto de desviación típica, sigma o ‘σ’, podemos saber si son o no debidos al azar (aceptables) o a otras causas. 🦠
Pensad en una carpeta. Ahora ponéis un dedo buscando el equilibrio de la carpeta. Ese es el centro de gravedad, la media. Hay equilibrio porque todas las fuerzas que actúan sobre ella se anulan en ella. 🦠
Física básica. El cuadrado de todas las fuerzas que actúan sobre el centro de gravedad es el momento de inercia. En estadística, la varianza, que será mayor o menor en función de la concentración de pesos alrededor de la media.
Y su raíz cuadrada es... ¡σ! 🦠
Y su raíz cuadrada es... ¡σ! 🦠
Sigamos. Sabemos muchas cosas. Una, por ej, que las repeticiones de un fenómeno a L/P tienden a comportarse de forma “normal” o gaussiana; otra, que en el intervalo que hay entre la media ± σ se dan el 68% de las observaciones; con ± 2σ, el 95%, con ± 3σ, el 99.7%. Curioso. 🦠
Esa idea de dónde se encuentran las desviaciones admisibles respecto de una referencia define el intervalo de confianza. Para estimar qué valor tomarán los fallecimientos esperados, nos basamos en la media y corregimos con la aleatoriedad admisible, para crear un intervalo. 🦠
Para tener más “confianza” en la estimación, en la predicción de las muertes medias, “abrimos” el intervalo incrementando la confianza y reduciendo la precisión o amplitud del mismo. Como en una diana, es más fácil acertar en el disco que en el centro. 🦠
Bueno, pues esta es la serie de MoMo, la que estudia la evolución de la mortalidad diaria. Una serie regular, con tendencia creciente (hay más viejos, mueren más), estacional (se muere más en invierno que en primavera) y con poca aleatoriedad. En general, claro. 🦠
La foto anterior presenta la “aleatoriedad” debida a la gripe. Aquí, la serie actual. En azul, la tendencia o las muertes esperadas. En sombreado, el intervalo de confianza del 99% (las oscilaciones admisibles debidas al azar). En amarillo, la evolución diaria desde dic19. 🦠
Se observa perfectamente cómo las oscilaciones son aleatorias (dentro del intervalo) hasta mediados de marzo. Ahí se disparan, y no de de forma puntual sino sistemática. Ahí es donde el analista estudia las razones del exceso. 🦠
Así pues, hay algo que se sale de lo normal. Y sí, en otras condiciones habría que estudiar qué catástrofe habría ocurrido. Pero aquí la conocemos. Sabemos cuál es la causa del exceso, Simón. No desvíes la atención. 🦠🦠
