El Síndrome de Nieve Visual (SNV) representa una de las condiciones neurológicas más fascinantes y desafiantes de la medicina contemporánea. Durante décadas, los pacientes que experimentaban la descripción de una “tormenta de nieve” o “estática visual constante” fueron descartados por los profesionales médicos, etiquetados como psicosomáticos o diagnosticados erróneamente con otros trastornos. Sin embargo, a partir de 2018, con la fundación de la Iniciativa Visual Snow (VSI), se inauguró una nueva era en la comprensión de esta condición. El reconocimiento histórico por parte de la Organización Mundial de la Salud (OMS) en 2024-2025, mediante la inclusión en la Clasificación Internacional de Enfermedades (CIE), ha validado lo que miles de pacientes sabían desde hace años: el SNV es una afección neurológica genuina, compleja y multisensorial que requiere investigación rigurosa y atención clínica especializada.

El comportamiento del consumidor ha sido tradicionalmente estudiado desde la teoría económica neoclásica mediante el supuesto de racionalidad perfecta, donde los individuos maximizan su utilidad bajo restricciones presupuestarias estáticas. Sin embargo, las decisiones de compra en los mercados globales contemporáneos demuestran que factores sociales, psicológicos, emocionales y de interacción estratégica desempeñan un rol determinante. El presente artículo realiza un estudio integral de la teoría de juegos y la economía conductual aplicada al pensamiento del consumidor mediante el análisis detallado de cinco gigantes corporativos globales: Starbucks, Uber, Apple, Netflix e Instacart. Demostramos formal y empíricamente cómo conceptos clave como el anclaje de precios, los efectos de red, la señalización de reputación, los precios dinámicos (Surge Pricing), los costos de cambio y la justicia percibida ante algoritmos de discriminación de precios modifican drásticamente la función de utilidad del consumidor. Adicionalmente, se desarrolla y estima un Modelo Econométrico Logit con una base de datos empírica (N=1,000 ) y series temporales de interés en la web (Google Trends), comprobando que la incorporación de variables estratégicas y psicológicas incrementa en más de un 40% la precisión explicativa del comportamiento de compra en comparación con los modelos neoclásicos tradicionales basados exclusivamente en el precio. Palabras Clave: Teoría de juegos conductual, comportamiento del consumidor, economía conductual, racionalidad limitada, precios dinámicos, discriminación algorítmica de precios, modelo Logit, Google Trends.

Este trabajo de investigación examina la intersección entre el pensamiento del consumidor y la teoría de juegos, integrando perspectivas de la economía del comportamiento (Behavioral Economics), la psicología cognitiva y la microeconomía estratégica. Utilizando el método científico como eje vertebrador, se exploran los mecanismos cognitivos que subyacen a la toma de decisiones del consumidor, cómo estos pueden modelarse mediante equilibrios de Nash, y qué implicaciones prácticas emergen para el diseño de mercados, políticas públicas y estrategias empresariales. Se presentan modelos formales, simulaciones en R y casos empíricos actualizados que demuestran que la racionalidad limitada (bounded rationality) no es una anomalía, sino la norma del comportamiento humano en contextos estratégicos.

La relación entre la Organización Industrial Empírica (IO) y la Teoría de Juegos constituye uno de los campos más fructíferos de la ciencia económica contemporánea. Mientras la teoría de juegos proporciona modelos matemáticos rigurosos sobre la toma de decisiones interdependiente entre agentes racionales, la econometría de datos de panel ofrece la caja de herramientas empírica para testear si los participantes del mercado actúan en un equilibrio no cooperativo de Cournot-Nash, si mantienen un acuerdo colusivo tácito mediante estrategias de gatillo (trigger strategies), o si compiten como sustitutos o complementos estratégicos. En este estudio analizamos el comportamiento del mercado de transporte aéreo estadounidense a partir de la base de datos PanelData.csv, la cual recopila información de 6 grandes aerolíneas durante 15 períodos consecutivos (1970–1984), totalizando 90 observaciones panel balanceadas.

Este informe cuantitativo presenta una investigación econométrica avanzada sobre la dinámica de los mercados financieros. Se evalúa la estimación empírica del modelo CAPM para la medición del riesgo sistemático (β ), la optimización de portafolios mediante la Frontera Eficiente de Markowitz para la maximización del Ratio de Sharpe, y el modelado de varianza condicional estocástica a través de procesos GARCH(1,1). El documento incluye simulaciones estocásticas con colas pesadas, pruebas diagnósticas de residuos y visualizaciones dinámicas interactivas 100% adaptativas optimizadas para su publicación en RPubs.

El presente trabajo analiza los costos operativos de seis aerolíneas en el período 1970–1984, utilizando técnicas de econometría de datos de panel. La base de datos PANELDATA.CSV contiene 90 observaciones correspondientes a seis individuos (aerolíneas) y quince períodos de tiempo, permitiendo aplicar modelos de efectos fijos y aleatorios para estudiar la dinámica de los costos en función de variables como la ganancia, el precio del combustible y la capacidad operativa. Esta investigación fue desarrollada con el apoyo de Econometrics, empresa dedicada al análisis de datos y modelado econométrico aplicado.

Selección de Variables y Reducción Dimensional: Se modela el ingreso de las personas mediante el clásico conjunto de datos del Censo de EE. UU. (Adult Census Dataset). Empleando el enfoque metodológico de Modelos de Probabilidad Lineal (MPL), se evalúan técnicas de Best Subsets, Forward y Backward Stepwise Selection, y se validan las capacidades predictivas mediante métodos de remuestreo (Validation Set y K -Fold Cross Validation).

En las últimas décadas, la econometría ha evolucionado significativamente más allá de las estimaciones clásicas de mínimos cuadrados ordinarios (MCO) de corte transversal. Los enfoques modernos de la econometría, influenciados por autores como Jeffrey Wooldridge y James Stock, enfatizan: La identificación causal: Distinguir claramente entre correlación y causalidad mediante el uso de variables instrumentales (VI), diferencias en diferencias (DiD) y regresiones discontinuas (RD). Estructuras de datos complejas: Análisis avanzado de series de tiempo, datos de panel y microeconometría aplicada. Integración con Machine Learning: El uso de regularización (Ridge, Lasso) y árboles de decisión para predicción y control de variables de confusión de alta dimensión.