Este documento presenta información sobre distribuciones de probabilidad. Explica conceptos como variable aleatoria, función de densidad de probabilidad para variables continuas, y distribuciones como la binomial y la hipergeométrica. También cubre el cálculo de media y varianza para distribuciones de probabilidad y proporciona ejemplos ilustrativos.
El documento describe el cálculo relacional, un lenguaje de consulta basado en el cálculo de predicados de primer orden que describe los resultados deseados de una base de datos sin especificar cómo obtenerlos. Usa variables de dominio y de tupla para representar valores en las relaciones. Existen dos tipos principales de cálculo relacional: orientado a dominios y orientado a tuplas. Se proveen ejemplos de consultas.
Este documento describe cómo elaborar tablas de frecuencias con datos agrupados. Explica que los datos se agrupan en intervalos de igual amplitud llamados clases. Detalla los pasos para calcular el rango, número de intervalos y amplitud de clase, y cómo organizar la información en una tabla de frecuencias con las frecuencias absolutas, acumuladas, relativas y relativas acumuladas. También incluye un ejemplo ilustrativo.
El Análisis Discriminante es una técnica
estadística multivariante cuya finalidad es el
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.
El código utilizado se encuentra aquí:
https://mega.nz/folder/msxCAAyb#SWoq2NK4lsiBmT-SsIgWiw
Este documento presenta información sobre cuadros estadísticos. Explica las definiciones y clasificaciones estadísticas, los tipos de series estadísticas (cuantitativas, cualitativas, geográficas y de tiempo), y las formas de presentar la información (textual, semitabular, tabular y gráfica). El objetivo es analizar las ventajas y desventajas de las distintas formas de presentación de datos y describir los cuadros estadísticos.
Este documento describe diferentes medidas estadísticas para describir conjuntos de datos, incluyendo medidas de forma como el coeficiente de asimetría y curtosis, y medidas de posición como cuartiles, deciles y centiles. Explica que el coeficiente de asimetría mide el grado de simetría o sesgo de una distribución y que la curtosis indica qué tan puntiaguda es la distribución. También describe que las medidas de posición como cuartiles, deciles y centiles dividen un conjunto de datos en partes iguales para precisar la ubicación
Este documento presenta información sobre distribuciones de probabilidad. Explica conceptos como variable aleatoria, función de densidad de probabilidad para variables continuas, y distribuciones como la binomial y la hipergeométrica. También cubre el cálculo de media y varianza para distribuciones de probabilidad y proporciona ejemplos ilustrativos.
El documento describe el cálculo relacional, un lenguaje de consulta basado en el cálculo de predicados de primer orden que describe los resultados deseados de una base de datos sin especificar cómo obtenerlos. Usa variables de dominio y de tupla para representar valores en las relaciones. Existen dos tipos principales de cálculo relacional: orientado a dominios y orientado a tuplas. Se proveen ejemplos de consultas.
Este documento describe cómo elaborar tablas de frecuencias con datos agrupados. Explica que los datos se agrupan en intervalos de igual amplitud llamados clases. Detalla los pasos para calcular el rango, número de intervalos y amplitud de clase, y cómo organizar la información en una tabla de frecuencias con las frecuencias absolutas, acumuladas, relativas y relativas acumuladas. También incluye un ejemplo ilustrativo.
El Análisis Discriminante es una técnica
estadística multivariante cuya finalidad es el
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.
El código utilizado se encuentra aquí:
https://mega.nz/folder/msxCAAyb#SWoq2NK4lsiBmT-SsIgWiw
Este documento presenta información sobre cuadros estadísticos. Explica las definiciones y clasificaciones estadísticas, los tipos de series estadísticas (cuantitativas, cualitativas, geográficas y de tiempo), y las formas de presentar la información (textual, semitabular, tabular y gráfica). El objetivo es analizar las ventajas y desventajas de las distintas formas de presentación de datos y describir los cuadros estadísticos.
Este documento describe diferentes medidas estadísticas para describir conjuntos de datos, incluyendo medidas de forma como el coeficiente de asimetría y curtosis, y medidas de posición como cuartiles, deciles y centiles. Explica que el coeficiente de asimetría mide el grado de simetría o sesgo de una distribución y que la curtosis indica qué tan puntiaguda es la distribución. También describe que las medidas de posición como cuartiles, deciles y centiles dividen un conjunto de datos en partes iguales para precisar la ubicación
El documento trata sobre el análisis de regresión, que estudia la dependencia de una variable respecto a una o más variables explicativas con el objetivo de explorar o cuantificar la media de la variable dependiente en base a los valores de las variables independientes. Examina conceptos como la función de regresión poblacional, la función de regresión muestral, y el objetivo de estimar la función de regresión poblacional a partir de la función de regresión muestral.
Este documento describe diferentes tipos de gráficos estadísticos como diagramas de barras, histogramas, polígonos de frecuencias y diagramas de sectores que pueden usarse para representar datos cuantitativos de una manera más accesible. Incluye ejemplos de cómo construir estas representaciones gráficas a partir de tablas de frecuencias y cómo interpretarlos.
Este documento presenta conceptos estadísticos y de teoría de probabilidades como la distribución normal, la esperanza matemática, la desviación estándar, las variables aleatorias y su distribución de probabilidad. También explica la teoría de Bayes y cómo calcular la probabilidad condicional a través de un ejemplo numérico.
La estimación consiste en aproximar los parámetros desconocidos de una población mediante el cálculo de parámetros en una muestra aleatoria de dicha población. Existen diferentes tipos de estimadores como la media, proporción o desviación típica muestral. También se pueden realizar estimaciones por intervalos para obtener un rango de valores donde se espera se encuentre el parámetro con cierto nivel de confianza. Los métodos comunes de estimación son análogía, momentos y máxima verosimilitud.
1. El resumen analiza los resultados de nacimientos de mellizos en un hospital durante 12 meses. Calcula la estadística t y determina que los resultados no contradicen la hipótesis de que el promedio de nacimientos de mellizos es de 0.5 por mes con un nivel de significación del 5%.
2. El resumen compara los resultados de control de calidad de dos procesos manufactureros. Calcula la estadística t y determina que los resultados no permiten concluir que los procesos den como resultado calidades diferentes con un nivel de significación
Este documento trata sobre la estimación puntual y por intervalos. Explica que la estimación puntual proporciona un solo valor para estimar un parámetro poblacional, mientras que la estimación por intervalos da un rango de valores con una probabilidad conocida de incluir el parámetro. Luego detalla cómo calcular intervalos de confianza para la media y la proporción de una población basados en una muestra.
Breve reseña sobre las Leyes del Algebra proposicional con sus respectivas tablas de verdad, y a su vez mencionando las reglas de la Inferencia Deductiva.
La razón aritmética es la diferencia entre dos cantidades. Tiene dos términos: el antecedente y el consecuente. Las propiedades de las razones aritméticas incluyen que si se suma o resta una cantidad al consecuente, la razón cambia por la misma cantidad. Otra propiedad es que toda razón se puede expresar como una fracción o decimal. Las proporciones aritméticas representan la relación de igualdad entre dos razones y pueden escribirse como a/b = c/d o a:b = c:d.
El documento explica el diagrama de cajas y bigotes, el cual resume los valores estadísticos clave de un conjunto de datos como el valor mínimo, primer y tercer cuartil, y máximo. El diagrama consiste en una caja que abarca el rango intercuartílico y bigotes que se extienden desde el primer cuartil hasta el valor mínimo y desde el tercer cuartil hasta el valor máximo. El documento también proporciona un ejemplo de cómo un diagrama de cajas puede usarse para comparar los tiempos de un corredor en diferentes
Este documento presenta una sesión sobre visualización de datos. Los objetivos son conocer aspectos psicológicos de buenas visualizaciones e identificar el tipo correcto en función de los datos. Explica que la visualización representa gráficamente las relaciones en los datos para facilitar el análisis visual y la comprensión. También cubre conceptos como la atención y percepción visual, la memoria sensorial y de corto y largo plazo que son importantes para crear visualizaciones efectivas.
Guía de Proyectos Académicos de Trabajo Colectivo final 2p2022 v1.docxJairo Acosta Solano
El documento presenta la guía para los Proyectos Académicos de Trabajo Colectivo (PAT) de la Corporación Universitaria Rafael Núñez. El PAT permite la integración de saberes de diferentes asignaturas para resolver problemas de la región de manera interdisciplinaria. Cada semestre, los estudiantes trabajan en un núcleo problémico relacionado con temas tecnológicos, guiados por una asignatura líder y con el apoyo de otras asignaturas. El producto final es un software o hardware/software que soluciona
Este documento presenta una introducción a los sistemas de recomendación, describiendo tres tipos principales: recomendación demográfica, recomendación colaborativa y recomendación basada en contenido. También explica algoritmos como Slope One y métodos para calcular la similitud entre usuarios e items. Finalmente, discute limitaciones y posibles soluciones para cada enfoque.
Este documento describe el proceso de agrupar diferentes tipos de vidrios (A, B, C, D, E) en clústeres jerárquicos basados en la composición química de sodio, silicio y calcio. Se calcula la matriz de distancias entre los vidrios y se unen iterativamente los pares más cercanos en clústeres, recalculando la matriz, hasta que todos los vidrios se agrupan en un solo clúster. En el nivel 2, los clústeres son CE y los demás vidrios.
Este documento describe un ejercicio de agrupamiento k-medias (k-means) utilizando un conjunto de datos de 7 registros de notas de estudiantes en 2 asignaturas de un máster. El algoritmo k-means se aplica para agrupar a los estudiantes en 2 grupos exclusivos basados en su proximidad euclidiana a los centroides iniciales en (1.0, 1.0) y (5.5, 7.0). El documento explica los pasos de asignar puntos a clústeres, recalcular posiciones de centroides e iter
Este documento describe el aprendizaje no supervisado y sus principales aplicaciones como el análisis de conglomerados. Explica que en el aprendizaje no supervisado no se conocen las clases de salida y el objetivo es descubrir estructuras en los datos agrupando observaciones similares. Detalla diferentes métodos de agrupamiento como k-means y jerárquicos que generan clusters de datos.
Este documento describe técnicas de inteligencia artificial como árboles de decisión y reglas. Explica conceptos como árboles de decisión, algoritmos ID3 y C4.5 para generar árboles, y cómo mapear árboles a reglas. También cubre conceptos de reglas de clasificación y asociación, medidas como confianza y soporte, y algoritmos como Prism y Apriori.
Este documento presenta los fundamentos de la inteligencia artificial y la minería de datos, incluyendo conceptos como aprendizaje automático, aprendizaje supervisado y no supervisado. Explica los elementos que intervienen en el aprendizaje de conceptos, como instancias, atributos y datos de entrenamiento.
Metodología CRISP-DM para la evaluación de modelos predictivos del rendimient...Jairo Acosta Solano
This document presents a predictive model project using the CRISP-DM methodology to evaluate machine learning models for predicting student performance on the Saber 11 exam in Colombia. The project aims to determine the best model for predicting performance of high school students in the Colombian Caribbean region based on the model metrics. Four machine learning algorithms (J48, LMT, PART, and MLP) were evaluated on different attribute sets to select the best model. The results showed that the combination of the InfoGain attribute selection method and the LMT decision tree algorithm produced the best performing model with a mean squared error of 0.25 on a test data set.
DIRIGIDO A:
Profesionales que se desempeñan en las áreas de planeación estratégica, mercadeo, comercial, producción, gestión de clientes y estudiantes de últimos semestres de carreras profesionales de
Administración, Ingeniería Industrial, Mercadeo y afines
que tengan interés en desarrollar competencias en el análisis de los datos a través de herramientas estadísticas y de minería de datos que permitan aprovechar las tecnologías y herramientas de Big Data, para la toma de decisiones e identificar nuevas oportunidades de negocio y de mercados.
*El aspirante debe tener conocimientos básicos en estadística y uso de tecnologías de información.
Este documento proporciona instrucciones sobre cómo incluir tablas, figuras y citas en el estilo APA. Explica cómo numerar y titular tablas y figuras, y cómo realizar citas textuales, de parafraseo y según el número de autores, ya sea basadas en el autor o en el texto citado. Además, indica cómo citar cuando el autor es anónimo o cuando se cita una cita de otra fuente.
Este documento presenta la agenda y los temas centrales sobre investigación formativa e investigación estricta en la CURN para el semestre IIP-2017. Incluye las expresiones de investigación en la universidad, los niveles de investigación, los núcleos problémicos, los seminarios de investigación y el cronograma. Además, describe las líneas y sublíneas de investigación, los proyectos académicos de trabajo colectivo, los semilleros de investigación y la participación en eventos académicos.
El documento trata sobre el análisis de regresión, que estudia la dependencia de una variable respecto a una o más variables explicativas con el objetivo de explorar o cuantificar la media de la variable dependiente en base a los valores de las variables independientes. Examina conceptos como la función de regresión poblacional, la función de regresión muestral, y el objetivo de estimar la función de regresión poblacional a partir de la función de regresión muestral.
Este documento describe diferentes tipos de gráficos estadísticos como diagramas de barras, histogramas, polígonos de frecuencias y diagramas de sectores que pueden usarse para representar datos cuantitativos de una manera más accesible. Incluye ejemplos de cómo construir estas representaciones gráficas a partir de tablas de frecuencias y cómo interpretarlos.
Este documento presenta conceptos estadísticos y de teoría de probabilidades como la distribución normal, la esperanza matemática, la desviación estándar, las variables aleatorias y su distribución de probabilidad. También explica la teoría de Bayes y cómo calcular la probabilidad condicional a través de un ejemplo numérico.
La estimación consiste en aproximar los parámetros desconocidos de una población mediante el cálculo de parámetros en una muestra aleatoria de dicha población. Existen diferentes tipos de estimadores como la media, proporción o desviación típica muestral. También se pueden realizar estimaciones por intervalos para obtener un rango de valores donde se espera se encuentre el parámetro con cierto nivel de confianza. Los métodos comunes de estimación son análogía, momentos y máxima verosimilitud.
1. El resumen analiza los resultados de nacimientos de mellizos en un hospital durante 12 meses. Calcula la estadística t y determina que los resultados no contradicen la hipótesis de que el promedio de nacimientos de mellizos es de 0.5 por mes con un nivel de significación del 5%.
2. El resumen compara los resultados de control de calidad de dos procesos manufactureros. Calcula la estadística t y determina que los resultados no permiten concluir que los procesos den como resultado calidades diferentes con un nivel de significación
Este documento trata sobre la estimación puntual y por intervalos. Explica que la estimación puntual proporciona un solo valor para estimar un parámetro poblacional, mientras que la estimación por intervalos da un rango de valores con una probabilidad conocida de incluir el parámetro. Luego detalla cómo calcular intervalos de confianza para la media y la proporción de una población basados en una muestra.
Breve reseña sobre las Leyes del Algebra proposicional con sus respectivas tablas de verdad, y a su vez mencionando las reglas de la Inferencia Deductiva.
La razón aritmética es la diferencia entre dos cantidades. Tiene dos términos: el antecedente y el consecuente. Las propiedades de las razones aritméticas incluyen que si se suma o resta una cantidad al consecuente, la razón cambia por la misma cantidad. Otra propiedad es que toda razón se puede expresar como una fracción o decimal. Las proporciones aritméticas representan la relación de igualdad entre dos razones y pueden escribirse como a/b = c/d o a:b = c:d.
El documento explica el diagrama de cajas y bigotes, el cual resume los valores estadísticos clave de un conjunto de datos como el valor mínimo, primer y tercer cuartil, y máximo. El diagrama consiste en una caja que abarca el rango intercuartílico y bigotes que se extienden desde el primer cuartil hasta el valor mínimo y desde el tercer cuartil hasta el valor máximo. El documento también proporciona un ejemplo de cómo un diagrama de cajas puede usarse para comparar los tiempos de un corredor en diferentes
Este documento presenta una sesión sobre visualización de datos. Los objetivos son conocer aspectos psicológicos de buenas visualizaciones e identificar el tipo correcto en función de los datos. Explica que la visualización representa gráficamente las relaciones en los datos para facilitar el análisis visual y la comprensión. También cubre conceptos como la atención y percepción visual, la memoria sensorial y de corto y largo plazo que son importantes para crear visualizaciones efectivas.
Guía de Proyectos Académicos de Trabajo Colectivo final 2p2022 v1.docxJairo Acosta Solano
El documento presenta la guía para los Proyectos Académicos de Trabajo Colectivo (PAT) de la Corporación Universitaria Rafael Núñez. El PAT permite la integración de saberes de diferentes asignaturas para resolver problemas de la región de manera interdisciplinaria. Cada semestre, los estudiantes trabajan en un núcleo problémico relacionado con temas tecnológicos, guiados por una asignatura líder y con el apoyo de otras asignaturas. El producto final es un software o hardware/software que soluciona
Este documento presenta una introducción a los sistemas de recomendación, describiendo tres tipos principales: recomendación demográfica, recomendación colaborativa y recomendación basada en contenido. También explica algoritmos como Slope One y métodos para calcular la similitud entre usuarios e items. Finalmente, discute limitaciones y posibles soluciones para cada enfoque.
Este documento describe el proceso de agrupar diferentes tipos de vidrios (A, B, C, D, E) en clústeres jerárquicos basados en la composición química de sodio, silicio y calcio. Se calcula la matriz de distancias entre los vidrios y se unen iterativamente los pares más cercanos en clústeres, recalculando la matriz, hasta que todos los vidrios se agrupan en un solo clúster. En el nivel 2, los clústeres son CE y los demás vidrios.
Este documento describe un ejercicio de agrupamiento k-medias (k-means) utilizando un conjunto de datos de 7 registros de notas de estudiantes en 2 asignaturas de un máster. El algoritmo k-means se aplica para agrupar a los estudiantes en 2 grupos exclusivos basados en su proximidad euclidiana a los centroides iniciales en (1.0, 1.0) y (5.5, 7.0). El documento explica los pasos de asignar puntos a clústeres, recalcular posiciones de centroides e iter
Este documento describe el aprendizaje no supervisado y sus principales aplicaciones como el análisis de conglomerados. Explica que en el aprendizaje no supervisado no se conocen las clases de salida y el objetivo es descubrir estructuras en los datos agrupando observaciones similares. Detalla diferentes métodos de agrupamiento como k-means y jerárquicos que generan clusters de datos.
Este documento describe técnicas de inteligencia artificial como árboles de decisión y reglas. Explica conceptos como árboles de decisión, algoritmos ID3 y C4.5 para generar árboles, y cómo mapear árboles a reglas. También cubre conceptos de reglas de clasificación y asociación, medidas como confianza y soporte, y algoritmos como Prism y Apriori.
Este documento presenta los fundamentos de la inteligencia artificial y la minería de datos, incluyendo conceptos como aprendizaje automático, aprendizaje supervisado y no supervisado. Explica los elementos que intervienen en el aprendizaje de conceptos, como instancias, atributos y datos de entrenamiento.
Metodología CRISP-DM para la evaluación de modelos predictivos del rendimient...Jairo Acosta Solano
This document presents a predictive model project using the CRISP-DM methodology to evaluate machine learning models for predicting student performance on the Saber 11 exam in Colombia. The project aims to determine the best model for predicting performance of high school students in the Colombian Caribbean region based on the model metrics. Four machine learning algorithms (J48, LMT, PART, and MLP) were evaluated on different attribute sets to select the best model. The results showed that the combination of the InfoGain attribute selection method and the LMT decision tree algorithm produced the best performing model with a mean squared error of 0.25 on a test data set.
DIRIGIDO A:
Profesionales que se desempeñan en las áreas de planeación estratégica, mercadeo, comercial, producción, gestión de clientes y estudiantes de últimos semestres de carreras profesionales de
Administración, Ingeniería Industrial, Mercadeo y afines
que tengan interés en desarrollar competencias en el análisis de los datos a través de herramientas estadísticas y de minería de datos que permitan aprovechar las tecnologías y herramientas de Big Data, para la toma de decisiones e identificar nuevas oportunidades de negocio y de mercados.
*El aspirante debe tener conocimientos básicos en estadística y uso de tecnologías de información.
Este documento proporciona instrucciones sobre cómo incluir tablas, figuras y citas en el estilo APA. Explica cómo numerar y titular tablas y figuras, y cómo realizar citas textuales, de parafraseo y según el número de autores, ya sea basadas en el autor o en el texto citado. Además, indica cómo citar cuando el autor es anónimo o cuando se cita una cita de otra fuente.
Este documento presenta la agenda y los temas centrales sobre investigación formativa e investigación estricta en la CURN para el semestre IIP-2017. Incluye las expresiones de investigación en la universidad, los niveles de investigación, los núcleos problémicos, los seminarios de investigación y el cronograma. Además, describe las líneas y sublíneas de investigación, los proyectos académicos de trabajo colectivo, los semilleros de investigación y la participación en eventos académicos.
SISTEMA DE INFORMACIÓN PARA EL MANTENIMIENTO DEL PROCESO DE CARACTERIZACIÓN B...Jairo Acosta Solano
Este documento presenta el desarrollo de un sistema de información para la Fundación FUNVIVIR, con el objetivo de mantener el proceso de caracterización biopsicosocial y en salud de los niños con cáncer. El sistema permitirá registrar y almacenar la información de los beneficiarios, así como de sus familiares, médicos y tratamientos. El sistema también generará reportes que facilitarán el seguimiento clínico de cada caso. El documento incluye los objetivos, alcances y metodología del proyecto, así como el mar
Este documento presenta la agenda y los objetivos de un conversatorio sobre investigación formativa y estricta en una universidad. Describe los niveles de investigación, los núcleos problémicos, los seminarios de investigación y el cronograma. Además, resume los proyectos académicos de trabajo colectivo realizados, los semilleros de investigación y la participación en eventos académicos.
El documento habla sobre el diseño y desarrollo de objetos virtuales de aprendizaje (OVA) y ambientes virtuales de aprendizaje (AVA) de calidad. Describe los metadatos y condiciones de calidad que deben cumplir los OVA y AVA, así como ejemplos de plataformas de e-learning como Moodle, ATutor y Sakai. También explica el modelo de Merrill para el desarrollo de OVA y cómo crearlos en la herramienta eXeLearning.
Tomado del curso Introducción a la escritura científica: retos y potencialidades del entorno digital - http://hub11.ecolearning.eu/course/introduccion-a-la-escritura-cientifica-retos/
Este documento proporciona una guía para la elaboración y entrega del trabajo de grado en la Corporación Universitaria Rafael Núñez. Explica las diferentes etapas del proceso, incluyendo la presentación de una propuesta, la elaboración de un anteproyecto, el desarrollo de un proyecto, y la entrega del trabajo de grado final. Además, proporciona detalles sobre el contenido requerido para cada etapa y los procedimientos de presentación y evaluación.
Este documento describe la situación actual de la escuela y la necesidad de adoptar un enfoque de educación inclusiva. Se identifican cinco formas en que los estudiantes pueden ser excluidos de la educación, como no asistir a la escuela, abandonar temprano, asistir sin comprometerse con el aprendizaje, recibir una educación que no valora sus culturas, o recibir una educación de baja calidad. Además, se discute cómo los niños de contextos desfavorecidos enfrentan desigualdades que limitan su
Estilo Arquitectónico Ecléctico e Histórico, Roberto de la Roche.pdfElisaLen4
Un pequeño resumen de lo que fue el estilo arquitectónico Ecléctico, así como el estilo arquitectónico histórico, sus características, arquitectos reconocidos y edificaciones referenciales de dichas épocas.
ESPERAMOS QUE ESTA INFOGRAFÍA SEA UNA HERRAMIENTA ÚTIL Y EDUCATIVA QUE INSPIRE A MÁS PERSONAS A ADENTRARSE EN EL APASIONANTE CAMPO DE LA INGENIERÍA CIVIŁ. ¡ACOMPAÑANOS EN ESTE VIAJE DE APRENDIZAJE Y DESCUBRIMIENTO
2. MATRIZ DE CONFUSIÓN
Resultado clasificación
MANZANA NO MANZANA
Instancias
reales
MANZANA
Verdaderos
Positivos (TP)
Falsos
Negativos (FN)
NO MANZANA
Falsos Positivos
(FP)
Verdaderos
Negativos (TN)
3. MATRIZ DE CONFUSIÓN
Resultado clasificación
MANZANA NO MANZANA
Instancias
reales
MANZANA TP = 8 FN = 7
NO MANZANA FP = 6 TN = 10
4. MATRIZ DE CONFUSIÓN
Resultado clasificación
MANZANA NO MANZANA
Instancias
reales
MANZANA TP = 12 FN = 3
NO MANZANA FP = 7 TN = 9
5. MÉTRICAS – EXACTITUD (ACCURACY)
Resultado clasificación
MANZANA NO MANZANA
Instancias
reales
MANZANA TP = 8 FN = 7
NO MANZANA FP = 6 TN = 10
Se define como la proximidad entre el
resultado y la clasificación exacta.
𝐴𝑐𝑐𝑢𝑟𝑎𝑐𝑦 =
𝑇𝑃 + 𝑇𝑁
𝑇𝑃 + 𝐹𝑃 + 𝐹𝑁 + 𝑇𝑁
6. MÉTRICAS – PRECISION (PRECISSION)
Resultado clasificación
MANZANA NO MANZANA
Instancias
reales
MANZANA TP = 8 FN = 7
NO MANZANA FP = 6 TN = 10
Calidad de la respuesta positiva del clasificador
𝑃𝑟𝑒𝑐𝑖𝑠𝑠𝑖𝑜𝑛 =
𝑇𝑃
𝑇𝑃 + 𝐹𝑃
7. MÉTRICAS – SENSIBILIDAD
Resultado clasificación
MANZANA NO MANZANA
Instancias
reales
MANZANA TP = 8 FN = 7
NO MANZANA FP = 6 TN = 10
Eficiencia en la clasificación de los elementos
que son de la clase. Es también conocida como
la tasa de verdaderos positivos (TP Rate).
𝑆𝑒𝑛𝑠𝑖𝑏𝑖𝑙𝑑𝑎𝑑 =
𝑇𝑃
𝑇𝑃 + 𝐹𝑁
8. MÉTRICAS – ESPECIFICIDAD
Resultado clasificación
MANZANA NO MANZANA
Instancias
reales
MANZANA TP = 8 FN = 7
NO MANZANA FP = 6 TN = 10
Eficiencia en la clasificación de los elementos
que NO son de la clase.
𝐸𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑖𝑑𝑎𝑑 =
𝑇𝑁
𝑇𝑁 + 𝐹𝑃
La tasa de falsos positivos (FP Rate) es igual al
complementario de la especificidad.
𝐹𝑃 𝑅𝑎𝑡𝑒 = 1 − 𝐸𝑠𝑝𝑒𝑐𝑖𝑓𝑖𝑐𝑖𝑑𝑎𝑑