Clasificación

• Independientes (entradas)

  • Cualitativas:

    • Nominales: Las distintas modalidades que adoptan estas variables sólo se distinguen por ser diferentes, no se puede establecer un ordenamiento entre ellas.

      Son ejemplos de estas variables: color de cabello, tipo de auto, sexo.

    • Ordinales: En estas variables, si bien se puede ordenar las modalidades que adopta, no se puede establecer una distancia entre ellas.

      Por ejemplo: calificación de examen (A, B, C, D y E), estadío de una enfermedad (I, II, III o IV) o (poco, mucho, muchísimo)

    Pueden ser de texto o numéricas.

  • Cuantitativas

    • Discretas: Estas variables toman valores numéricos siendo que entre dos valores consecutivos de las mismas no existen valores intermedios. Pueden tomar un conjunto a lo sumo numerable de valores, vinculándose generalmente al proceso de contar.

      Por ejemplo: dinero en una billetera, cantidad de materias aprobadas.

    • Continuas: Estas variables también toman valores numéricos, pero entre dos valores de la variable existen infinitos valores intermedios, asociándose generalmente al proceso de medir.

      Son ejemplos de estas variables: peso, edad, duración de un llamado

• Dependientes (salidas/categorías)

Variables y tipos de problemas

1. Si la variable dependiente es cualitativa, el tipo de problema es de clasificación.
2. Si la variable dependiente es cuantitativa, el problema es de regresión.
3. Si NO hay variable dependientes, el problema es de agrupamiento.

Varianza

Promedio de la diferencia, entre todas las observaciones (n) , respecto de su media.

$var(X)=\sum_{i=1}^{n} \frac{(x_i-\vec{x})^2}{n}$

Covarianza

Es un valor que indica el grado de variación conjunta de dos variables aleatorias respecto a sus medias. No importa su módulo, sino su signo. Es el dato básico para determinar si existe una dependencia entre ambas variables y además es el dato necesario para estimar otros parámetros básicos, como el coeficiente de correlación lineal o la recta de regresión.

Desvío estándar

Es una medida que se utiliza para cuantificar la variación o la dispersión de un conjunto de datos numéricos. Se calcula como la raíz de la varianza.