Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Fecha:07/10/2022
Etapa #1: Importamos los datos
Etapa #2: Editamos los datos que vamos a mostrar en el modelo:
Etapa #3: Entrenamiento y prueba
Etapa #4:
Con los resultados obtenidos con el método de confusión, podemos observar que el modelo
depende de que la persona respondió o no, dando resultados de confidencia según su resultado,
para así obtener la tabla de confusión.
2. Identifique y asocie cada termino del teorema de Bayes con el resultado:
Donde B es el suceso que conocemos, A el conjunto de posibles causas, excluyentes entre sí, que
pueden producirlo y, por tanto, P(A/B) son las posibilidades a posteriori, P(A) las posibilidades a
priori y P(B/A) la posibilidad de que se dé B en cada hipótesis de A.
Podemos observar que hay una diferencia entre los resultados de la confidencia de la respuesta
(Si y No), esto se debe a que el modelo de Bayes no observa el conjunto de datos de
entrenamiento, dando como resultado la probabilidad de 0, conocido como frecuencia 0.
Mientras que el modelo del árbol de decisión facilita la toma de mejores decisiones, esto bajo la
teoría de decisiones.
La semejanza principal que hay es el porcentaje de confidencialidad, ambos son muy parecidos,
pero cambian por varias centésimas y que su manera de predecir va casi de la mano.
4. ¿Qué probabilidades hay de que los clientes contesten una nueva encuesta
si tomamos como referencia estos mismos datos? ¿Por qué? Respalde su
argumentación con datos generados en los resultados
La probabilidad es del 44%, ya que son los que contestaron la encuesta. Esto por la poca
participación de los encuestados.
5. A qué conclusión se pudieran llegar, si a usted le consultaran su opinión en
cuanto a aplicar la encuesta sí o no. Argumente.
En mi opinión la volvería a aplicar, aunque los modelos digan que no es recomendable volverlas
a aplicar, ya que se necesita tener un mayor estudio y datos registrados para obtener mejores
resultados de las pruebas realizadas, ya que se cuenta con más resultados negativos (No) que
resultados positivos (Si). Pero la aplicaría de otra manera para obtener una mayor recolección de
datos.