Publications by Cristian Solórzano & Génesis Moreno
Simulación Exponencial con Límites de Control
set.seed(123) N <- 100 n <- 4 k <- N/n B <- 200 alpha <- 0.05 muestra <- rexp(N,1) xbar <- mean(muestra) submues <- matrix(muestra,nrow = k,ncol = n) xbarsub <- apply(submues, 1, mean) s2sub <- apply(submues, 1, var) xbarbar <- mean(xbarsub) S2 <- mean(s2sub) S <- sqrt(S2) plot(xbarsub,type="l") points(xbarsub) abline(h=xbarbar...
589 sym R (1640 sym/16 pcs) 4 img
Scoring-Reg.Logit
1. Resumen El presente trabajo presenta los modelos de Scoring con las metodologías más utilizadas, haciendo uso de atos de solicitudes de clientes , para adquirir prestamos bancarios. Se construye un modelo de Scoring a partir de la metodología logit. Como variables independientes, se incluyen las variables que recogen características del c...
17205 sym R (33551 sym/61 pcs) 7 img
Detección Anomalías
Un valor atípico (outlier) es una observación que tiene características diferentes a la mayor parte de los datos, es decir, es numéricamente distante del resto de los datos y puede influir en la inferencia de los mismos, por lo cual es indispensable realizar un análisis exhaustivo para descartar la presencia de estas observaciones y dado que...
5891 sym R (4002 sym/37 pcs) 6 img 5 tbl
Minería Proyecto Retail
Opciones Generales 1.Instalamos y cargamos las librerías necesarias #Cargar librerías library(dplyr) library(skimr) library(lubridate) library(tidyr) library(ggplot2) library(readxl) library(rJava) library(xlsx) 2.Cargamos los datos df<- read_excel("Base Mineria de datos.xlsx", sheet = "OCt-DIc") # CAMBIAMOS A TIPO DATE( Fechas ) y a F...
5653 sym R (4292 sym/15 pcs)
ANÁLISIS COMPONENTES PRINCIPALES
Extraemos la base Retail df<- read_excel("Base Taller 3.xlsx") dim(df) ## [1] 1844 8 glimpse(df) ## Rows: 1,844 ## Columns: 8 ## $ `#` <chr> "1", "2", "3", "4", "5", "6", "7", "8", "9", "10", "1... ## $ Mes <dbl> 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6,... ## $ Urg <dbl> 10, 9, 8, 6, 2, 2, 1, 1,...
4905 sym R (3659 sym/21 pcs) 2 img
Imputación datos faltantes
El presente trabajo indica el proceso para la imputación de datos el cual se realiza cuando la base de datos presenta datos faltantes. BASE DE DATOS Se lee la base de datos a utilizar, en la cual se encuentran las variables: Mes:corresponde al número de mes . Nro de visitas: el número de veces de acercamiento que tiene la empresa con el clie...
5573 sym R (8272 sym/50 pcs) 6 img