El economista de Caltech, Kota Saito, y el estudiante de MIT, Alec Sandroni, resolvieron un problema en el Modelo de Utilidad Aleatoria (RUM) que predice las preferencias de los consumidores al trabajar con datos incompletos. Los investigadores demostraron que, incluso con opciones no observables, se pueden hacer mejores predicciones utilizando la información de las opciones no seleccionadas.
El nuevo método supera las limitaciones del enfoque de opciones externas utilizando la teoría del flujo de redes. Esto permite realizar pruebas RUM con menos datos y mejora la evaluación de la demanda en diversos sectores.
La investigación también revela la complejidad oculta por las opciones agrupadas al analizar las preferencias de los consumidores. Este trabajo abre nuevas vías para la aplicación de la teoría de decisiones económicas en el campo del aprendizaje automático.