miércoles, 23 de julio de 2014

¿QUÉ SON LOS ÁRBOLES DE DECISIÓN?

El árbol de decisión se encuentra dentro de las técnicas de clasificación, sumamente útil en las áreas de negocios de las principales compañías.
Su gran utilización se debe a que es muy fácil la interpretación de los resultados obtenidos.
Otra ventaja de los árboles de decisión es que las opciones posibles de una determinada condición son excluyentes. Esto permite que luego de analizar la situación se pueda tomar una acción o decisión especifica.
Por ejemplo si deseamos tomar una decisión con respecto a otorgar un crédito o no en una institución de microfinanzas.

ü  Interpretación:
Según el ejemplo en el siguiente árbol debemos tomar en cuenta en primera instancia el ingreso del cliente, si el sueldo es menor o igual a Q. 2,000.00 presenta un alto riesgo, por lo que la decisión será no otorgar el crédito.
Si en cambio el cliente tiene ingresos mayores a Q. 5,000.00 y tiene una buena historia crediticia, la decisión será la de otorgar el crédito.
Si su historia crediticia es mala, aunque posea el salario requerido no podrán otorgarle el crédito.





Diagramas de Venn

Los diagramas de Venn son esquemas usados en la teoría de conjuntos. Estos diagramas muestran colecciones (conjuntos) de cosas (elementos) por medio de líneas cerradas. La línea cerrada exterior abarca a todos los elementos bajo consideración, el conjunto universal.
Con los diagramas de Venn es posible representar las relaciones de intersección, inclusión y disyunción sin cambiar la posición relativa de los conjuntos
Intersección
Dado que los conjuntos pueden tener elementos comunes, las regiones encerradas por sus líneas límite se superponen. El conjunto de los elementos que pertenecen simultáneamente a otros dos es la intersección de ambos.


Interpretación:
En el siguiente diagrama, tenemos el ejemplo entre el CONDUCTISMO y CONSTRUCTIVISMO donde muestra la DISCIPLINA como factor determinante entre ambas teorías, es éste aspecto el que establece la relación lógica entre en los dos escenarios.  


jueves, 17 de julio de 2014

EJEMPLO BASE DE DATOS CONSESIONARIO



CONSESIONARIO TOYOTA MAZDA CHEVROLET SUZUKI MITSUBISHI
1 50 90 90 80 90
2 80 85 85 95 80
3 75 75 75 90 70
4 65 80 65 85 80
5 40 70 60 60 80
6 85 90 80 65 60
7 90 95 70 75 75
8 95 80 85 70 40
9 85 60 95 85 95
10 60 65 90 90 80


Población (TODAS LAS MARCAS) Muestra TOYOTA
Media 77 Media 73
Mediana 80 Mediana 78
Moda 80 Moda 85
Maximo 95 Máximo 95
Mïnimo 40 Mínimo 40


Muestra CONSESIONARIOS
Media Mediana Moda Máximo Mínimo
Consesionario 1 80 90 90 90 50
Consesionario 2 85 85 80 95 80
Consesionario 3 77 75 75 90 70
Consesionario 4 75 80 65 85 65
Consesionario 5 62 60 60 80 40
Consesionario 6 76 80 #N/A 90 60
Consesionario 7 81 75 75 95 70
Consesionario 8 74 80 #N/A 95 40
Consesionario 9 84 85 85 95 60
Consesionario 10 77 80 90 90 60


TOYOTA MAZDA
Mean 79 Mean 79
Standard Error 3.636237372 Standard Error 3.6362
Median 80 Median 80
Mode 90 Mode 90
Standard Deviation 11.49879221 Standard Deviation 11.499
Sample Variance 132.2222222 Sample Variance 132.22
Kurtosis -0.947761458 Kurtosis -0.9478
Skewness -0.312418636 Skewness -0.3124
Range 35 Range 35
Minimum 60 Minimum 60
Maximum 95 Maximum 95
Sum 790 Sum 790
Count 10 Count 10
CHEVROLET
Mean 79.5
Standard Error 3.6856
Median 82.5
Mode 90
Standard Deviation 11.655
Sample Variance 135.83
Kurtosis -1.0128
Skewness -0.4422
Range 35
Minimum 60
Maximum 95
Sum 795
Count 10

Consesionario 10 77 80 90 90 60










 




TOYOTA MAZDA CHEVROLET
Mean 79 Mean 79 Mean 79.5
Standard Error 3.636237372 Standard Error 3.6362 Standard Error 3.6856
Median 80 Median 80 Median 82.5
Mode 90 Mode 90 Mode 90
Standard Deviation 11.49879221 Standard Deviation 11.499 Standard Deviation 11.655
Sample Variance 132.2222222 Sample Variance 132.22 Sample Variance 135.83
Kurtosis -0.947761458 Kurtosis -0.9478 Kurtosis -1.0128
Skewness -0.312418636 Skewness -0.3124 Skewness -0.4422
Range 35 Range 35 Range 35
Minimum 60 Minimum 60 Minimum 60
Maximum 95 Maximum 95 Maximum 95
Sum 790 Sum 790 Sum 795
Count 10 Count 10 Count 10