La modelización empírica es el desarrollo de un modelo a partir de datos relacionados con el sistema a investigar, sin que esos datos sean relativos necesariamente con variables causales que expliquen las variables respuesta. Por ejemplo, un modelo empírico sería aquel que relaciona la evolución conjunta de la cotización de dos acciones diferentes, sin que la cotización de una influya directamente en la cotización de la otra. De esta forma los modelos empíricos actúan como cajas negras en las que el funcionamiento del sistema queda oculto y simplemente disponemos de unos inputs que proporcionan unos outputs. Frente a los modelos empíricos disponemos a los modelos teóricos que si que relacionnan causalmente entre si las variables de estudio. Frente a estos modelos teóricos, los modelos empíricos son especialmente recomendables cuando no se dispone de una teoría clara acerca de un fenómeno; al mismo tiempo, son mucho mñas fáciles de implementar y validar computacionalmente, ya que los modelos teóricos suelen involucar un número muchísimo mayor de variables. Sin embargo, los modelos empíricos suelene presentar como desventaja una menor fiabilidad.
Sigmalitika
La enciclopedia de la probabilidad, estadística y machine learning