Analítica de

datos Carlos Martínez Uribe

Actividad 3.
Aplicaciones de
Técnicas.

Viridiana Guadalupe Valtierra Chagoya

U2003062Z0556

Irapuato, Gto.

Lunes 30 de Mayo de 2022

 TÉCNICA DEFINICIÓN
Análisis de (ANOVA) es una fórmula Variable
varianza estadística que se utiliza para
comparar las varianzas entre
las medias (o el promedio) de
diferentes grupos. Una
variedad de contextos lo
utilizan para determinar si
existe alguna diferencia entre
las medias de los diferentes
grupos.
CARACTERÍSTICAS EJEMPLOS REFERENCIA
APLICADOS A LA
MD
dependiente: este es el Un ejemplo del uso de (TIBCO, 2019)
elemento que se está midiendo y que se ANOVA en la ciencia de
teoriza como afectado por las variables datos es la detección de
independientes. correo no deseado. Debido a
Variable(s) independiente(s): estos son la gran cantidad de correos
los elementos que se están midiendo y electrónicos y funciones de
que pueden tener un efecto sobre la correo electrónico, se ha
variable dependiente. vuelto muy difícil y requiere
Una hipótesis nula (H0): Sucede muchos recursos para
cuando no existe diferencia entre los identificar y rechazar todos
grupos o medias. Dependiendo del los correos electrónicos no
resultado de la prueba ANOVA, la deseados. ANOVA y las
hipótesis nula será aceptada o pruebas F se despliegan
rechazada. para identificar
Una hipótesis alternativa (H1): Cuando características que son
se teoriza que existe una diferencia entre importantes para identificar
los grupos y las medias. correctamente qué correos
Factores y niveles: En la terminología electrónicos son spam y
ANOVA, una variable independiente se cuáles no.
denomina factor que afecta a la variable
dependiente. El nivel denota los
diferentes valores de la variable
independiente que se utilizan en un
experimento.
Modelo de factor fijo: algunos
experimentos utilizan solo un conjunto
discreto de niveles para los factores. Por
ejemplo, una prueba de factor fijo
evaluaría tres dosis diferentes de un
medicamento y no buscaría ninguna otra
dosis.
Modelo de factor aleatorio: este modelo
extrae un valor aleatorio de nivel de todos
los valores posibles de la variable
 independiente.

Redes Es un grupo interconectado Se componen de una capa de entrada,
Neuronales de nodos similar a la vasta una capa o capas ocultas y una capa de
red de neuronas en un salida. Si bien estas redes neuronales
cerebro biológico, cada nodo también son comúnmente conocidas
circular representa una como MLP, es importante tener en
neurona artificial y cada cuenta que en realidad están compuestas
flecha representa una de neuronas sigmoides, no perceptrones,
conexión desde la salida de ya que la mayoría de los problemas del
una neurona a la entrada de mundo real son no lineales. Los datos
otra. generalmente se alimentan en estos
modelos para entrenarlos, y son la base
para la visión de la
computadora, procesamiento de lenguaje
natural y otras redes neuronales.
Una vez que estos algoritmos (IBM Cloud Education, 2020)
de aprendizaje se ajustan a
la precisión, son potentes
herramientas en la ciencia de
computación e inteligencia
artificial, lo que nos permite
clasificar y agrupar los datos
a una alta velocidad. Las
tareas en reconocimiento de
voz o reconocimiento de
imagen pueden tardar
minutos frente a horas en
comparación con la
identificación manual de
expertos humanos. Una de
las redes neuronales más
conocidas es el algoritmo de
búsqueda de Google.

Regresión Lineal Es una técnica de modelado Este modelo describe la relación entre  Predicción o (MathWorks, 2021)
estadístico que se emplea una variable dependiente y (también pronóstico:
para describir una variable de conocida como la respuesta) como una Utilice un modelo de
respuesta continua como una función de una o varias variables regresión para crear un
función de una o varias independientes Xi (denominadas modelo de pronóstico para
variables predictoras. Puede predictores). un conjunto de datos
ayudar a comprender y La ecuación general correspondiente a específico. A partir de la
predecir el comportamiento un modelo de regresión lineal es: moda, puede usar la
de sistemas complejos o a Y=β0+∑ βiXi+ϵiY=β0+∑ βiXi+ϵi regresión para predecir
analizar datos valores de respuesta donde
experimentales, financieros y Donde β representa las estimaciones de solo se conocen los
biológicos. parámetros lineales que se deben predictores.
calcular y ϵ representa los términos de  Fuerza de la
error. regresión:
Utilice un modelo de
 regresión para determinar si
existe una relación entre una
variable y un predictor, y
cuán estrecha es esta
relación.

Árboles de Son unos de los algoritmos Puede usarse para ayudar a (Lucidchart, 2019)
decisión clasificadores más conocidos crear modelos predictivos
y usados en las tareas de automatizados, que puedan
Data Mining, ya que son una emplearse en el aprendizaje
forma de representación automático, la minería de
sencilla para clasificar datos y las estadísticas.
instancias. Conocido como "el
Son particiones secuénciales aprendizaje basado en
de un conjunto de datos árboles de decisión", este
Objetivo: Segmentar la método toma en
población para encontrar consideración las
grupos homogéneos según observaciones sobre un
una cierta variable de elemento para predecir su
respuesta. valor.

En estos árboles de decisión,

los nodos representan datos
en lugar de decisiones. Este
tipo de árbol también se
conoce como "árbol de
clasificación". Cada
ramificación contiene un
conjunto de atributos o reglas
de clasificación asociadas a
una etiqueta de clase
específica, que se halla al
final de la ramificación.

Análisis Es una generalización de la Es una generalización de la discriminante  Predicción de S. Badaro, L. J. Ibañez y M. J.

discriminante discriminante lineal de Fisher, lineal de Fisher, un método utilizado en bancarrota Agüero, (2013)
 un método utilizado en
estadística, reconocimiento
de patrones y aprendizaje de
máquinas para encontrar una
combinación lineal de rasgos
que caracterizan o separan
dos o más clases de objetos
o eventos. La combinación
resultante puede ser utilizada
como un clasificador lineal, o,
más comúnmente, para la
reducción de dimensiones
antes de la posterior
clasificación.
Inteligencia Es el campo científico de la
artificial informática que se centra en
la creación de programas y
mecanismos que pueden
mostrar comportamientos
considerados inteligentes. En
otras palabras, la IA es el
concepto según el cual “las
máquinas piensan como
seres humanos”.
Sistemas Es un sistema que emplea
estadística, reconocimiento de patrones y  Reconocimiento de
aprendizaje de máquinas para encontrar caras
una combinación lineal de rasgos que  Marketing
caracterizan o separan dos o más clases  Estudios biomédicos
de objetos o eventos. La combinación  Ciencias de la tierra
resultante puede ser utilizada como un
clasificador lineal, o, más comúnmente,
para la reducción de dimensiones antes
de la posterior clasificación.
Normalmente, un sistema de IA es capaz  Siri funciona como S. Badaro, L. J. Ibañez y M. J.
de analizar datos en grandes cantidades un asistente Agüero, (2013)
(big data), identificar patrones y personal, ya que
tendencias y, por lo tanto, formular utiliza procesamiento
predicciones de forma automática, con de lenguaje natural.
rapidez y precisión. Para nosotros, lo  Facebook y Google
importante es que la IA permite que Fotos sugieren el
nuestras experiencias cotidianas sean etiquetado y
más inteligentes. agrupamiento de
fotos con base en el
reconocimiento de
imagen.
 Amazon ofrece
recomendaciones de
productos basadas
en modelos de
canasta de compra.
 Waze brinda
información
optimizada de tráfico
y navegación en
tiempo real.
Los SE están compuestos por dos partes Los Sistemas Expertos se (Universidad de Palermo,
expertos conocimiento humano principales: aplican a una gran diversidad 2013)
capturado en una  El ambiente de desarrollo y de campos y/o áreas, por
computadora para resolver  El ambiente de consulta. ejemplo: Militar, Informática,
problemas que normalmente El ambiente de desarrollo es utilizado por Telecomunicaciones,
requieran de expertos el constructor para crear los Química, Derecho,
humanos. Los sistemas bien componentes e introducir conocimiento Aeronáutica, Geología,
diseñados imitan el proceso en la base de conocimiento. El ambiente Arqueología, Agricultura,
de razonamiento que los de consulta es utilizado por los no- Electrónica, Transporte,
expertos utilizan para expertos para obtener conocimiento Educación, Medicina,
resolver problemas experto y consejos. Finanzas y Gestión.
específicos. Dichos sistemas Otra de las tantas áreas de
pueden ser utilizados por no- aplicación son los bienes
expertos para mejorar sus raíces, existe una gran
habilidades en la resolución diversidad de subáreas
de problemas. dentro de la práctica
inmobiliaria en las que los
Sistemas Expertos son
empleados.

Referencias
IBM Cloud Education. (17 de Agosto de 2020). ibm.com. Obtenido de https://www.ibm.com/mx-es/cloud/learn/neural-networks
Lucidchart. (2019). lucidchart.com. Obtenido de https://www.lucidchart.com/pages/es/que-es-un-diagrama-de-arbol-de-decision
MathWorks. (2021). la.mathworks.com. Obtenido de https://la.mathworks.com/discovery/linear-regression.html
TIBCO. (2019). tibco.com. Obtenido de https://www.tibco.com/es/reference-center/what-is-analysis-of-variance-anova#:~:text=An
%C3%A1lisis%20de%20la%20Varianza%20(%20ANOVA%20)%20es%20una%20f%C3%B3rmula%20estad%C3%ADstica
%20que,medias%20de%20los%20diferentes%20grupos.
Universidad de Palermo. (2013). palermo.edu. Obtenido de https://www.palermo.edu/ingenieria/pdf2014/13/CyT_13_24.pdf