Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INVESTIGACION 1
TECNICO
Error absoluto.- es la diferencia entre el valor de la medida y el valor tomado como
exacto. Puede ser positivo o negativo, según si la medida es superior al valor real o
inferior, tiene unidades las mismas que las de la medida.
Error relativo.- es el cometido en la estimación del valor de un número, es el valor
absoluto del cociente entre su error absoluto y el valor exacto, se suele manejar en
forma de porcentaje.
Error porcentual.-el error porcentual es fácil de definir, es el resultado de multiplicar el
error relativo por 100.
Error de redondeo.-a continuación se analizaran brevemente algunas consecuencias
Los motivos para realizar este análisis son que permite conocer al detalle la
información que se posee y conocer la forma en la que se estructura la
información. Se limita a realizar deducciones directamente a partir de los datos
y parámetros obtenidos.
Análisis Exploratorio
Consiste en un conjunto de técnicas estadísticas cuya finalidad es conseguir un
entendimiento básico de los datos, permitiendo detectar características
sobresalientes, como inesperadas y valores atípicos.
Por ejemplo, en que sucursal se vende más, de que producto hay más stock,
qué diferencias hay entre el producto más vendido y el menos vendido, saber si
hay diferencias económicas significativas por barrios.
Este análisis debe ser la primera etapa de todo análisis de datos, para evitar
que datos erróneos o inesperados sean procesados de modo inapropiado. Se
apoya en un planteamiento descriptivo y se realiza sin aceptar ideas
preconcebidas sobre el contenido de la información de los datos.
Análisis Inferencial
Pretende demostrar hipótesis planteadas proporcionando conclusiones con una
cierta probabilidad o nivel de confianza, es decir no existe una certeza
absoluta.
Por ejemplo, se puede plantear la hipótesis que los clientes que compran un
determinado producto son familia numerosa (y por consiguiente candidatos a
comprar otros productos complementarios). O el día que se vende el producto
estrella el cliente consume menos de otros productos.
Análisis Predictivo
Se fundamenta en la identificación de relaciones entre variables en eventos
pasados, para luego explotar dichas relaciones y predecir posibles resultados
en futuras situaciones.
Por ejemplo, qué cantidad stock que se debe tener en el almacén para cada
producto, o a partir de los datos del padrón que tipo de ayudas/servicios se
solicitarán a un ayuntamiento el año que viene.
En este proceso se hace uso de los datos junto con técnicas analíticas,
estadísticas y de aprendizaje automático a fin de crear un modelo predictivo.
Se desarrolla el modelo mediante un conjunto de datos de entrenamiento y
después se prueba (con un conjunto de datos diferente) y se válida para
determinar su precisión.
Análisis Causal
Permite relacionar las causas con los efectos y el grado en el que se afectan
mutuamente. En este nivel se puede predecir y además se puede identificar el
por qué se actúa de esa manera.
Es decir, con el análisis inferencial podemos afirmar que el día en que más se
vende el producto estrella se vende menos del resto de productos, pero no nos
dice si vendiendo menos de ese producto subirán las ventas del resto, en otras
palabras, el análisis inferencial nos dice que ha relación, pero para saber la
causa hemos de hacer un análisis causal.
El uso de técnicas de modelado e inferencia causal es clave para investigar y
resolver eficazmente problemas que resultan ser la causa de incidencias que
están afectando a uno o varios servicios.
Análisis Mecanicista
Es el más complejo. En este análisis se puede predecir y comprender como
varias variables afectan entre ellas, cómo el cambio de los valores de una de
las variables afectan, no ya al resultado sino al resto de variables. Debido a su
complejidad se utiliza muy poco ya que se debe tener un gran conocimiento de
los procesos a modelar.