SI la información es incierta, no sirve nada de lo que hagas, así crees el mejor modelo predictivo. Además se está confundiendo dos cosas muy distintas, la teoría de las probabilidades o la Probabilidad perse, te ayuda a cuantificar que porcentaje de acierto tendrías sobre un evento futuro de acuerdo a datos anteriores, o sea ayuda a obtener predicciones, y la estadística descriptiva usa datos actuales y te dice, tú estás aquí frente a todos los demás datos, o sea te ayuda a ver el comportamiento de los datos, ahí tienes medidas de tendencia central, diagramas de caja, histogramas, etc. Finalmente, lo que completa la estadística es la descriptiva e inferencial, de ahí tenemos las ramas que la complementa, como es la teoría de los grandes números, la teoría de la probabilidad, la teoría de muestreo, el análisis exploratorio de los datos, el deep learning, machine learning, IA.
Entonces para mejorar la precisión de cualquier pronóstico se necesita, primero de datos sólidos, y de ellos si quieres saber como se encuentra tus datos haces uso de la estadística descriptiva para describir tus datos, con gráficos de paste, histogramas, diagramas de caja, medidas de tendencia central, que te sirven especialmente para el procesamiento de los datos, luego para el pronóstico puedes hacer uso de varios modelos, ejemplo: logit, probit, o modelos bayesiano, pero bueno de modelos hay muchisimos, y para saber sobre su precisión, ahí existe suposiciones que deben cumplir, además deben ser ajustados, pero hasta para ello hay que tener cuidado para no tener sobre ajuste, en fin.
Entonces para mejorar la precisión de cualquier pronóstico se necesita, primero de datos sólidos, y de ellos si quieres saber como se encuentra tus datos haces uso de la estadística descriptiva para describir tus datos, con gráficos de paste, histogramas, diagramas de caja, medidas de tendencia central, que te sirven especialmente para el procesamiento de los datos, luego para el pronóstico puedes hacer uso de varios modelos, ejemplo: logit, probit, o modelos bayesiano, pero bueno de modelos hay muchisimos, y para saber sobre su precisión, ahí existe suposiciones que deben cumplir, además deben ser ajustados, pero hasta para ello hay que tener cuidado para no tener sobre ajuste, en fin.