ESTADÍSTICA PARA LA TOMA DE DECISIONES

_____________________________________________________________________________

FORO DE LA SEMANA 13
ANÁLISIS DISCRIMINANTE Y FUNCIÓN DISCRIMINANTE DE FISHER
CASO APLICATIVO. La siguiente tabla presenta información de 16 clientes de una entidad
financiera a los que se les concedió un préstamo, y que, luego de 3 años desde la concesión del
préstamo de los 16 clientes, se observó que había 8 clientes que fueron calificados como clientes
morosos (grupo 1), mientras que, los otros 8 clientes fueron calificados como clientes cumplidos
(grupo 2) ya que reintegraron el préstamo a tiempo.
Para cada uno de los 16 clientes se disponen de información como x 1 : “Patrimonio neto” y x 2 :
“Deudas pendientes” al momento de la solicitud de crédito.
Con esta información y con los contenidos trabajados en esta semana, construya usted una función
discriminante que separe y diferencie lo más posible a los dos grupos (clientes morosos y clientes
cumplidos) y que permita clasificar con los menores errores posibles a los futuros solicitantes de
créditos a fin de tomar las más apropiadas decisiones.

Cliente Préstamo Patrimonio Neto Deuda Pendiente

1 Moroso 1,2 4,0
2 Moroso 3,5 6,8
3 Moroso 4,8 3,2
4 Moroso 5,4 6,4
5 Moroso 7,3 5,3
6 Moroso 4,5 2,5
7 Moroso 7,8 7,5
8 Moroso 5,2 3,8
9 Cumplido 5,1 1,2
10 Cumplido 9,5 4,4
11 Cumplido 8,9 4,9
12 Cumplido 12,2 2,4
13 Cumplido 6,5 5,2
14 Cumplido 8,5 1,4
15 Cumplido 11,0 4,3
16 Cumplido 9,6 1,8

________________________________________________________________________________________________________
RENZO EMERSON RODRÍGUEZ CALDERÓN
ESTADÍSTICA PARA LA TOMA DE DECISIONES
_____________________________________________________________________________

1. (5 puntos) Analice e interprete con sus propias palabras los resultados del análisis
discriminante con SPSS en Estadísticas de grupo cómo se va a realizar la clasificación de los dos
grupos (cliente moroso y cliente cumplido) mediante ¿qué criterio?

Estadísticas de grupo
Desv. N válido (por lista)
PRESTAMO Media Desviación No ponderados Ponderados
MOROSO PATRIMONIO_NETO 4,963 2,0805 8 8,000
DEUDA_PENDIENTE 4,938 1,8299 8 8,000
CUMPLIDO PATRIMONIO_NETO 8,913 2,2838 8 8,000
DEUDA_PENDIENTE 3,200 1,6639 8 8,000
Total PATRIMONIO_NETO 6,938 2,9350 16 16,000
DEUDA_PENDIENTE 4,069 1,9130 16 16,000

________________________________________________________________________________________________________
RENZO EMERSON RODRÍGUEZ CALDERÓN
ESTADÍSTICA PARA LA TOMA DE DECISIONES
_____________________________________________________________________________

2. (5 puntos) Analice e interprete con sus propias palabras el análisis discriminante con SPSS en
Resumen de funciones discriminantes canónicas si el modelo es confiable o no, justifique su
respuesta e indique el nivel del poder explicativo.

Autovalores
Correlación
Función Autovalor % de varianza % acumulado canónica
1 1,580 a
100,0 100,0 0,783
a. Se utilizaron las primeras 1 funciones discriminantes canónicas en el
análisis.

Lambda de Wilks
Lambda de
Prueba de funciones Wilks Chi-cuadrado gl Sig.
1 0,388 12,324 2 0,002

Matriz de estructuras
Coeficientes de función Función
discriminante canónica 1
estandarizados PATRIMONIO_NETO 0,769
DEUDA_PENDIENTE -0,422
Función
Correlaciones dentro de grupos combinados entre las
1 variables discriminantes y las funciones discriminantes
PATRIMONIO_NETO 0,937 canónicas estandarizadas
Variables ordenadas por el tamaño absoluto de la
DEUDA_PENDIENTE -0,661 La matriz de estructura nos indica
correlación dentro de la función.
que el patrimonio es mayor que la
deuda (0,769 > 0,422).
En los coeficientes estandarizados
se aprecia que
PATRIMONIO_NETO es 0,937 /
0,661 = 1,42 veces más que deuda.

________________________________________________________________________________________________________
RENZO EMERSON RODRÍGUEZ CALDERÓN
 ESTADÍSTICA PARA LA TOMA DE DECISIONES
_____________________________________________________________________________

Funciones en centroides de grupo Coeficientes de la función

Función
discriminante canónica
PRESTAMO 1 Función

MOROSO -1,176 1
3.
CUMPLIDO 1,176 (5 PATRIMONIO_NETO ,429

Las funciones discriminantes canónicas sin DEUDA_PENDIENTE -,378

estandarizar se han evaluado en medias de grupos (Constante) -1,438

Coeficientes no estandarizados
puntos) Calcule los modelos de clasificación
para clientes morosos y clientes cumplidos
según la función discriminante de Fisher en Coeficientes de función de clasificación e indique
con sus propias palabras el criterio a considerar.

Coeficientes de función de clasificación

PRESTAMO
MOROSO CUMPLIDO
PATRIMONIO_NETO 0,760 1,769
DEUDA_PENDIENTE 1,372 0,483
(Constante) -5,967 -9,350
Funciones discriminantes lineales de Fisher

Fi = 0,760. PATRIMONIO_NETO + 1,372. DEUDA_PENDIENTE – 5,967

Fii = 1,769. PATRIMONIO_NETO + 0,483. DEUDA_PENDIENTE – 9,350

________________________________________________________________________________________________________
RENZO EMERSON RODRÍGUEZ CALDERÓN
ESTADÍSTICA PARA LA TOMA DE DECISIONES
_____________________________________________________________________________

4. (5 puntos) El gerente de una entidad bancaria tiene dos solicitudes de clientes que desean
acceder a un crédito bancario. El primer solicitante dispone de un patrimonio neto de 12,3 con
deudas pendientes de 5,3; mientras que el segundo solicitante presenta un patrimonio neto de
8,4 y sus deudas pendientes son de 2,5. Determine la calificación de cada cliente según su
análisis discriminante y la función discriminante de Fisher y brinde usted sus conclusiones.

SI LA PERSONA ES BUEN PAGADOR:

Fii = 1,769. PATRIMONIO_NETO + 0,483. DEUDA_PENDIENTE – 9,350

Fii= 1,769 x 12,3 + 0,483 x 5,3 – 9,350

Fii =

Fii= 1,769 x 8,4 + 0,483 x 2,5 – 9,350

Fii =

SI LA PERSONATIENE PROBLEMAS DEPAGO:

Fi = 0,760. PATRIMONIO_NETO + 1,372. DEUDA_PENDIENTE – 5,967

Fi= 0,760 x 12,3 + 1,372 x 5,3 – 9,350

Fi =

Fi= 0,760 x 8,4 + 1,372 x 2,5 – 9,350

Fi =

En este caso la primera persona con (PN =12,3 Y DP = 5,3) se clasifica como buen pagador.

En este caso la primera persona con (PN = 8,4 Y DP = 2,5) se clasifica como buen pagador.

________________________________________________________________________________________________________
RENZO EMERSON RODRÍGUEZ CALDERÓN