Predicciones globales de fecundidad mediante técnicas de aprendizaje profundo

Abstract

El proceso de declive sostenido de la fecundidad en todas las regiones del planeta ha agudizado la necesidad de obtener proyecciones demográficas precisas. En la actualidad, el uso de modelos bayesianos jerárquicos domina el campo de las proyecciones de fecundidad, siendo el enfoque utilizado por las Naciones Unidas y por los institutos de estadística de muchos países. Sin embargo, a pesar de presentar buenos resultados, estos modelos tienen ciertas debilidades, como la dificultad para incorporar información de otras variables que puedan mejorar los resultados de las proyecciones. En este trabajo se propone un método novedoso para la predicción de la Tasa Global de Fecundidad (TGF), planteando un enfoque de series temporales a partir de modelos de aprendizaje profundo que permiten la inclusión de información histórica relevante. Los resultados obtenidos muestran que este enfoque es capaz de capturar la dinámica de la fecundidad en la mayoría de las poblaciones analizadas y de representar adecuadamente la incertidumbre asociada a las predicciones obtenidas.