Guía de preparación: prueba mixta de la Unidad 1

Material: Guía de preparación prueba mixtapdf

Guía de práctica con 12 ejercicios para la prueba mixta de la Unidad 1: alternativas, completación y casos aplicados. No reproduce los casos del material anterior: usa situaciones nuevas con la misma lógica de interpretar → justificar → decidir.

Estructura de la guía

Tabla 1: Tipos de pregunta
TipoCantidadQué se busca
Alternativas5Reconocer y distinguir
Completación3Relacionar conceptos
Casos aplicados4Interpretar y decidir
Tabla 2: Distribución de la práctica
EjerciciosTema
1 y 2Fundamentos
3 y 4Tipo de problema y de aprendizaje
5 y 8KDD y CRISP-DM
6 y 12Entropía y ganancia de información
9Estadística
10Distancia y escalamiento
7 y 11Aplicación, text mining, web mining y decisión

Criterios evaluados

Tabla 3: Criterios de evaluación
CódigoCriterioQué abarca
1.1.1Minería de datos y aprendizaje automáticoCaracterísticas, propósito y diferencias generales
1.1.2Descubrimiento de conocimientoKDD y organización del proceso
1.1.3Modelos, técnicas y áreas de aplicaciónClasificación, regresión, clustering, anomalías, distancias y entropía
1.1.4Text mining y web miningTécnicas aplicables en empresas y elección según el problema
1.1.5Información y variablesIdentificar qué datos se necesitan, la variable objetivo y las variables explicativas

Ejercicio 01. Fundamentos de minería de datos

Alternativas. Una cadena de farmacias posee años de ventas y quiere descubrir combinaciones de productos que suelen comprarse juntas para diseñar promociones. ¿Cuál descripción representa mejor el propósito de la minería de datos?

  • A. Mostrar un reporte mensual con las ventas totales.
  • B. Descubrir patrones útiles no evidentes en los datos.
  • C. Guardar las ventas en una base de datos.
  • D. Diseñar una interfaz para registrar las ventas.

Elegir una alternativa y explicar en una frase qué diferencia hay entre «mostrar datos» y «descubrir patrones».

Criterio asociado: 1.1.1.

Solución Ejercicio 01

B. Descubrir patrones útiles no evidentes en los datos.

La minería de datos busca extraer regularidades, relaciones o comportamientos que puedan transformarse en conocimiento útil para una decisión.

Clave de interpretación: un reporte puede pertenecer a BI. Aquí el objetivo no es solo describir lo ocurrido, sino encontrar relaciones entre productos que no estaban explícitas.

Ejercicio 02. BI, minería de datos y machine learning

Completación. Completar las tres frases usando: BI · Minería de datos · Machine learning.

  1. Un tablero que muestra ventas históricas por sucursal corresponde principalmente a: ________
  2. Buscar patrones de abandono de clientes en una base histórica corresponde principalmente a: ________
  3. Entrenar un modelo que prediga si un cliente abandonará el servicio corresponde principalmente a: ________

Criterio asociado: 1.1.1.

Solución Ejercicio 02
  1. BI
  2. Minería de datos
  3. Machine learning

La frontera puede superponerse en proyectos reales, pero la intención principal de cada frase permite distinguirlas.

Idea central:

  • BI: describir y monitorear.
  • Minería de datos: descubrir patrones.
  • ML: aprender un modelo para predecir o decidir.

Ejercicio 03. Tipo de problema

Alternativas. Una empresa desea estimar el monto en pesos que gastará un cliente durante el próximo mes. ¿Qué tipo de problema corresponde?

  • A. Clasificación
  • B. Regresión
  • C. Clustering
  • D. Asociación

Pista: mirar el tipo de salida que se quiere obtener.

Criterio asociado: 1.1.3.

Solución Ejercicio 03

B. Regresión.

La salida esperada es un valor numérico continuo: el monto futuro de compra. Si la pregunta fuera «¿comprará o no?», sería clasificación.

Regla rápida:

  • Categoría → clasificación.
  • Número continuo → regresión.
  • Grupos sin etiqueta → clustering.

Ejercicio 04. Supervisado y no supervisado

Completación. Completar el razonamiento usando: Variable objetivo / etiqueta · Supervisado · No supervisado.

  • Si existe una columna histórica «fraude = sí/no», entonces hay una ________; por ello el aprendizaje puede ser ________.
  • Si solo queremos agrupar clientes parecidos sin una etiqueta previa, el enfoque será ________.

Criterios asociados: 1.1.3 y 1.1.5.

Solución Ejercicio 04

Variable objetivo / etiqueta → supervisado → no supervisado.

El punto decisivo es si existe o no una respuesta histórica conocida que el modelo debe aprender a reproducir.

Criterio 1.1.5: antes de elegir la técnica hay que identificar qué variable representa la respuesta que se quiere predecir.

Ejercicio 05. Proceso KDD

Alternativas. Un equipo ya seleccionó los datos relevantes y detectó valores faltantes, duplicados y formatos inconsistentes. ¿Qué etapa de KDD está realizando principalmente?

  • A. Preprocesamiento
  • B. Minería de datos
  • C. Interpretación
  • D. Despliegue

Criterio asociado: 1.1.2.

Solución Ejercicio 05

A. Preprocesamiento.

En esta etapa se mejora la calidad de los datos antes de transformarlos o aplicar técnicas de minería.

Secuencia KDD: selección → preprocesamiento → transformación → minería de datos → interpretación y evaluación.

Ejercicio 06. Entropía

Alternativas. Un nodo de un árbol de decisión contiene 50 clientes que compran y 50 que no compran. ¿Cómo se describe su entropía en términos conceptuales?

  • A. Baja: el grupo es muy puro.
  • B. Alta: existe mucha incertidumbre o mezcla.
  • C. Cero: ambas clases aparecen por igual.
  • D. No puede interpretarse sin calcular la media.

Criterio asociado: 1.1.3.

Solución Ejercicio 06

B. Alta: existe mucha incertidumbre o mezcla.

Cuando las clases están muy mezcladas, la incertidumbre es alta. Cuando un grupo queda dominado por una clase, la entropía disminuye.

Imagen mental:

  • 50 / 50 → máxima mezcla.
  • 100 / 0 → grupo puro.
  • La entropía mide incertidumbre, no «cantidad de datos».

Ejercicio 07. Text mining: opiniones de clientes

Caso aplicado. Una empresa de delivery recibe 40.000 comentarios escritos al mes. La gerencia quiere saber cuáles reclamos se relacionan con retrasos, cobros y mala atención, y priorizar acciones.

  • A. ¿Qué enfoque es más apropiado: text mining o web mining? Justificar.
  • B. ¿Qué información o variables extra hacen falta para convertir el hallazgo en una decisión concreta?

No basta nombrar una técnica: hay que relacionarla con el tipo de dato y la decisión que se quiere tomar.

Criterios asociados: 1.1.3, 1.1.4 y 1.1.5.

Solución Ejercicio 07
  • A. Text mining, porque la fuente principal son comentarios de texto no estructurado. Se podrían extraer temas, palabras frecuentes, categorías o sentimiento.
  • B. Conviene asociar el texto con variables como fecha, local, tiempo real de entrega, tipo de pedido, monto, canal y evaluación del cliente. Así el análisis permite detectar dónde y cuándo ocurren los problemas y priorizar acciones.

Decisión posible: si «retraso» aparece especialmente en determinadas zonas y franjas horarias, la empresa puede ajustar dotación, rutas o tiempos prometidos.

Ejercicio 08. KDD y CRISP-DM

Completación. Completar usando: CRISP-DM · KDD · Iterativos.

  • A. ________ pone especial énfasis en comprender el problema de negocio y definir qué significa éxito.
  • B. ________ describe el proceso de descubrir conocimiento desde la selección hasta la interpretación de patrones.
  • C. Ambos procesos son ________: al encontrar problemas, puede ser necesario volver a etapas anteriores.

Criterio asociado: 1.1.2.

Solución Ejercicio 08
  • A. CRISP-DM
  • B. KDD
  • C. Iterativos

La diferencia central está en el énfasis: CRISP-DM parte explícitamente desde el negocio; KDD organiza el descubrimiento de conocimiento en los datos.

No confundir: «iterativo» significa que el proyecto puede retroceder y ajustar decisiones anteriores. No es una secuencia rígida que se ejecuta una sola vez.

Ejercicio 09. Estadística e interpretación

Caso aplicado. La jefatura quiere definir un tiempo «típico» de atención. Los tiempos de atención registrados, en minutos, son:

7, 8, 8, 9, 287,\ 8,\ 8,\ 9,\ 28
  • A. Calcular media, mediana y moda. ¿Cuál representa mejor el tiempo típico?
  • B. ¿Qué debería revisar la empresa antes de cambiar su estándar de atención?

Criterios asociados: 1.1.3 y 1.1.5.

Solución Ejercicio 09
  • A. Media, mediana y moda:
xˉ=7+8+8+9+285=605=12 minmediana=8 minmoda=8 min\bar{x} = \frac{7+8+8+9+28}{5} = \frac{60}{5} = 12 \text{ min} \qquad \text{mediana} = 8 \text{ min} \qquad \text{moda} = 8 \text{ min}

La mediana representa mejor el comportamiento típico, porque el valor 28 eleva fuertemente la media.

  • B. Antes de cambiar un estándar, conviene revisar si 28 es un caso real, un evento excepcional o un error de registro.

Decisión: un estadístico no debe tomarse aisladamente. La medida elegida debe representar el fenómeno y considerar posibles outliers (valores atípicos).

Ejercicio 10. Distancia y escalamiento

Caso aplicado. Se quiere usar KNN para recomendar productos a los siguientes clientes:

ClienteEdadIngreso
A25$600.000
B27$650.000
C55$620.000
  • A. ¿Por qué sería problemático usar directamente edad e ingreso en la distancia euclidiana?
  • B. ¿Qué acción de preparación de datos corresponde antes de calcular similitud?

Criterios asociados: 1.1.3 y 1.1.5.

Solución Ejercicio 10
  • A. El ingreso tiene una escala numérica muchísimo mayor que la edad, por lo que dominaría la distancia.
  • B. Antes de usar KNN conviene escalar o normalizar las variables para que ambas contribuyan de forma comparable. Luego la cercanía puede interpretarse como similitud en el espacio de características.

Idea visual:

  • Sin escalar: los «pesos» aplastan a los «años».
  • Con escalamiento: cada variable aporta según su posición relativa, no por el tamaño de su unidad.

Ejercicio 11. Web mining y decisión comercial

Caso aplicado. Un e-commerce detecta que muchas visitas llegan desde redes sociales, revisan varios productos y abandonan antes de pagar. La empresa quiere entender el recorrido digital y anticipar qué sesiones tienen mayor probabilidad de compra.

  • A. ¿Qué tipo de información de web mining sería útil para describir el recorrido?
  • B. Si se quiere predecir compra/no compra, identificar la variable objetivo, dos variables explicativas y el tipo de problema.

Criterios asociados: 1.1.3, 1.1.4 y 1.1.5.

Solución Ejercicio 11
  • A. Datos de navegación: páginas vistas, secuencia de clics, fuente de tráfico, tiempo por página, productos visitados, carrito y punto de abandono.
  • B. Variable objetivo: compra/no compra. Variables explicativas posibles: número de productos vistos, tiempo de sesión, origen del tráfico, uso de cupón y monto del carrito. Tipo de problema: clasificación supervisada.

Decisión posible: la empresa podría activar una intervención distinta según el comportamiento: recordatorio, cupón, recomendación o mejora del flujo de compra.

Ejercicio 12. Ganancia de información y selección de variables

Caso aplicado. Un modelo quiere predecir si un estudiante aprobará. Se prueban dos variables para dividir los datos:

VariableResultado después de dividir
A. «Entregó actividades»Los grupos quedan bastante puros
B. «Color favorito»Los grupos continúan muy mezclados

¿Cuál variable tendría mayor ganancia de información? ¿Qué implica eso para la selección de variables del modelo?

Criterios asociados: 1.1.3 y 1.1.5.

Solución Ejercicio 12

«Entregó actividades» tendría mayor ganancia de información, porque reduce más la incertidumbre sobre la aprobación.

La ganancia de información ayuda a identificar variables que separan mejor las clases. Una variable con baja ganancia puede aportar poco poder discriminativo, aunque su utilidad final debe validarse en el contexto del modelo.

Decisión analítica: no se selecciona una variable porque «suene interesante», sino porque demuestra aportar información útil para distinguir la variable objetivo.

BUSCARCtrl K