Propiedad de un método, estimador o modelo de mantener un rendimiento aceptable cuando está sujeto a incertidumbre del modelo, perturbaciones, ruido o desviaciones de las suposiciones ideales.

Principio

Margen e insensibilidad: la robustez se logra mediante diseños o algoritmos que limitan la influencia de valores atípicos, errores de modelado o perturbaciones en el peor caso, típicamente mediante estimadores de influencia acotada, regularización o reglas de decisión conservadoras.

Demostración

Sustituir mínimos cuadrados por una pérdida de Huber produce estimaciones de parámetros menos afectadas por outliers; la regularización de Tikhonov da lugar a soluciones menos sensibles al ruido de medida en problemas inversos mal planteados.

Aplicación incorrecta

Suponer que la robustez garantiza un rendimiento óptimo en todos los escenarios induce exceso de confianza; la regularización excesiva o elecciones demasiado conservadoras pueden sesgar resultados y degradar el rendimiento en datos nominales y de bajo ruido.

Consecuencia

Un procedimiento robusto proporciona salidas más fiables e interpretables ante desviaciones realistas, mejora el comportamiento en el peor caso y puede aumentar la confianza en el despliegue, con posible coste de menor eficiencia en condiciones ideales.

Inversión

Fragilidad designa métodos cuyas salidas se degradan drásticamente ante pequeñas desviaciones de las hipótesis, por ejemplo estimadores de influencia no acotada que fallan con outliers.

Límite

Las afirmaciones de robustez requieren especificar la clase y magnitud de perturbaciones admisibles; robustez no implica inmunidad frente a entradas adversarias arbitrarias ni frente a una mala especificación fuera del conjunto de perturbación supuesto.

Tensión semántica

La robustez se solapa con estabilidad y resiliencia pero enfatiza el rendimiento aceptable bajo conjuntos de incertidumbre especificados, mientras que la estabilidad se refiere más estrechamente a la propagación acotada de errores y al comportamiento algorítmico.

Síntesis

La robustez sintetiza diseño de influencia acotada, regularización y decisiones conservadoras: cuando se respetan los modelos de incertidumbre especificados, los métodos robustos ofrecen rendimiento fiable controlando la sensibilidad a desviaciones de las suposiciones ideales.