A continuación, se presenta el análisis de caso #3 donde se pone en práctica el tema de
discriminantes visto en clases. Tomando en cuenta la base de datos de los waffles se utilizó como variable dependiente la pregunta: le gustan los waffles y dos variables numéricas: 1. Que tan satisfecho quedó cuando probó los waffles y 2. Cuantos waffles consumiría por visita para poder identificar cuantos encuestados han sido clasificados correctamente y cuáles necesitan ser reubicados. Análisis discriminante utilizando Variable dependiente: 4. ¿Le gustan a usted los waffles? Si ___ No ___
Variables tipo numérico:
7. ¿De haberlos comido antes, ¿Cómo califica su satisfacción? (1) Muy Malo (2) Malo (3) Intermedio (4) Bueno (5) Muy Bueno (6) No aplica
12. Cuantos Waffles: De existir un restaurante especializado en waffles en SPS,
¿cuántas unidades de estos cree usted que consumiría por visita? _____ waffles.
Respuesta del análisis discriminante
A continuación, se presenta un análisis discriminante con el de verificar la clasificación de
nuestra data en base a las posibilidades de que los posibles clientes que les guste o no los wafles. Con un nivel de significancia del 5% se incluyen al análisis de discriminante las variables predictoras:
1. Valoración con respecto a satisfacción de waffles consumidos anteriormente
2. Consumo de unidades de waffles por visita.
Con base en los resultados obtenidos a través del análisis realizado en Minitab se presentan las siguientes funciones discriminantes por grupo
Para las personas que no les gusta el producto, se asigna la función:
D NO =−18.2973+5.8041 x 1 +2.7148 x 2
Para las personas que, si les gusta el producto, se asigna la función:
DSI =−14.5269+4.0652 x 1+ 4.9498 x 2
De manera general, se considera la función discriminante:
D=3.77037 +(−1.73888) x1 +2.23504 x 2
En base a las funciones mencionadas, se observa que:
1. De las 11 personas que según nuestra data no les gusta los waffles, hay 2 que según nuestra función discriminante por grupo se reubicarían en el grupo de personas que si les gusta los wafles.
2. De las 19 personas que, si les gusta los wafles según la base de datos, hay 4 que según nuestra función discriminante por grupo se reubicarían en el grupo de personas que no les gusta los wafles.
3. Se obtuvo que de las 30 personas encuestadas 24 son clasificadas de forma correcta
con las funciones discriminantes generadas, lo cual es equivalente al 80% de casos ubicados correctamente.
Considerando las siguientes mediciones, se ubicará mediante la función discriminante
general a un posible cliente en el grupo de clasificación correcto. Valoración con respecto a satisfacción de waffles consumidos anteriormente= 3 [2,6] Consumo de unidades de waffles por visita= 2 [1,3]
Con la evaluación,
D=3.77037−1.73888 ( 3 ) +2.23504 ( 2 )=3.02
Y valor de corte P0=0
Se clasificará cada caso, de la forma siguiente:
Si D < 0 entonces se ubicara en el grupo de los encuestados que no les gusta los waffles.
Si D es > 0 entonces se ubicará en el grupo de los encuestados que si les gusta los waffles.
Por tanto, se observa que al encuestado le gusta los Waffles.
Se observa que en la tabulación cruzada entre la variable “le gusta los waffles” y la columna “respuesta” en base a la función discriminante no existe diferencia entre las clasificaciones correctas.
Conclusiones -Según el análisis discriminante de gráficas, 11 personas no les gusta los waffles, hay 2 que según nuestra función discriminante por grupo se reubicarían en el grupo de personas que si les gusta los wafles.
-Las personas que, si les gusta los wafles según la base de datos, hay 4 que según nuestra función discriminante por grupo se reubicarían en el grupo de personas que no les gusta los wafles. -Se logro obtener de las 30 personas encuestadas 24 son clasificadas de forma correcta con las funciones discriminantes generadas, lo cual es equivalente al 80% de casos ubicados correctamente. -En la tabulación cruzada entre la variable “le gusta los waffles” y la columna “respuesta” en base a la función discriminante no existe diferencia entre las clasificaciones correctas.
Recomendaciones
-Para poder tener una mejor visualización de lo que estamos trabajando es recomendable copiar los datos y ponerlos en una hoja aparte en este caso del programa que se está haciendo uso (MINITAB) para poder trabajar de una forma ordenada. Y tomar en mucha consideración los rangos que se utilizan en el software para tener resultados correctos.
-Es recomendable trabajar de forma ordenada en el nuevo software de minitab y tener la
última actualización de este para poder tener el acceso a todas las herramientas del programa. -Tener una pc con la capacidad de poder correr el programa de minitab de forma rápida y sin ningún tipo de fallo para tener resultados certeros y no cometer errores.
-Para poder tener estos resultados, al igual deberán hacer uso de las formulas proporcionadas en el salón de clase y así poder realizar el proceso aprendido para llegar a los resultados
