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
| Tipo | Cantidad | Qué se busca |
|---|---|---|
| Alternativas | 5 | Reconocer y distinguir |
| Completación | 3 | Relacionar conceptos |
| Casos aplicados | 4 | Interpretar y decidir |
| Ejercicios | Tema |
|---|---|
| 1 y 2 | Fundamentos |
| 3 y 4 | Tipo de problema y de aprendizaje |
| 5 y 8 | KDD y CRISP-DM |
| 6 y 12 | Entropía y ganancia de información |
| 9 | Estadística |
| 10 | Distancia y escalamiento |
| 7 y 11 | Aplicación, text mining, web mining y decisión |
Criterios evaluados
| Código | Criterio | Qué abarca |
|---|---|---|
| 1.1.1 | Minería de datos y aprendizaje automático | Características, propósito y diferencias generales |
| 1.1.2 | Descubrimiento de conocimiento | KDD y organización del proceso |
| 1.1.3 | Modelos, técnicas y áreas de aplicación | Clasificación, regresión, clustering, anomalías, distancias y entropía |
| 1.1.4 | Text mining y web mining | Técnicas aplicables en empresas y elección según el problema |
| 1.1.5 | Información y variables | Identificar 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.
- Un tablero que muestra ventas históricas por sucursal corresponde principalmente a: ________
- Buscar patrones de abandono de clientes en una base histórica corresponde principalmente a: ________
- Entrenar un modelo que prediga si un cliente abandonará el servicio corresponde principalmente a: ________
Criterio asociado: 1.1.1.
Solución Ejercicio 02
- BI
- Minería de datos
- 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:
- 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:
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:
| Cliente | Edad | Ingreso |
|---|---|---|
| A | 25 | $600.000 |
| B | 27 | $650.000 |
| C | 55 | $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:
| Variable | Resultado 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.