Modelado no paramétrico y análisis temporal guiados por hipótesis, no manipulación pasiva de sliders.
Este simulador no es un mero juego interactivo de mover sliders sin rumbo, sino una estación de experimentación cuantitativa diseñada para contrastar la teoría matemática frente a tres dilemas fundamentales de aprendizaje estadístico y series temporales:
Desafío 1: Overfitting en Árboles de Probabilidades vs Breiman
¿Por qué un árbol CART sin podar ($d \ge 6$) genera islas rectangulares artificiales que memorizan el ruido con $R^2_{ ext{train}} pprox 1.0$ pero error de test crítico, mientras que Random Forest suaviza la frontera sin incrementar el sesgo cuando $B o \infty$?
Desafío 2: Subespacio $m = \sqrt{p}$ & Descorrelación
En la pestaña de Random Forest, evalúa el ensamble con $m=p$ (Bagging clásico) vs $m=\sqrt{p}$ (Random Forest): ¿cómo evita la selección aleatoria de variables que un predictor dominante monopolice el nodo raíz inflando la correlación $
ho$ entre árboles?
Desafío 3: La Trampa de Extrapolación en Árboles
En la pestaña de Series de Tiempo, inspecciona el pronóstico futuro ($t > t_{ ext{histórico}}$): ¿por qué los árboles predicen una meseta horizontal constante incapaz de continuar una tendencia creciente? ¿Por qué es obligatorio descomponer o diferenciar la serie antes de entrenar?