En este curso online se exploran las técnicas más utilizadas en IBM SPSS Modeler para generar modelos que expliquen la relación entre la variable que se desea pronosticar y las variables que se determinen como entrada en el modelo, y también cuándo y cómo deben utilizarse cada una de las diferentes técnicas.

Los modelos lineales predicen un objetivo continuo basándose en relaciones lineales entre el objetivo y uno o más predictores. Son relativamente simples y proporcionan una fórmula matemática fácil de interpretar. Las propiedades de estos modelos se entienden bien y normalmente pueden crearse con bastante rapidez en comparación con otros tipos de modelos (como redes neuronales o árboles de decisión).

Ejemplo. Una compañía de seguros con recursos limitados para investigar las reclamaciones de seguros de los asegurados desea crear un modelo para estimar el coste de las reclamaciones. Al desplegar este modelo en centros de servicios, los representantes pueden introducir información sobre reclamaciones mientras atienden por teléfono al cliente y obtienen inmediatamente el coste «esperado» de la reclamación en función de los datos pasados.

La regresión logística, es una técnica estadística para clasificar los registros a partir de los valores de los campos de entrada. Es análoga a la regresión lineal pero utiliza un campo objetivo categórico en lugar de uno numérico.

Ejemplo 1: Un proveedor de telecomunicaciones está preocupado por el número de clientes que se están pasando a la competencia. Mediante los datos de uso de servicio puede crear un modelo para predecir qué clientes tienen más probabilidad de contratar otro proveedor y personalizar las ofertas para retener el mayor número de clientes posible.

Ejemplo 2: Una compañía financiera desea predecir el riesgo de otorgar un crédito, para ello utiliza datos de la solicitud y datos del fuentes públicas. El resultado es utilizado para determinar que clientes rechazar y que tasa y límite de crédito otorgar a los que resultan aceptados.

Ejemplo 3: Un proveedor de telecomunicaciones ha segmentado su base de clientes por patrones de uso de servicio, categorizando los clientes en cuatro grupos. Al utilizar datos demográficos para predecir la pertenencia a un grupo, puede crear un modelo para clasificar a los clientes potenciales en grupos y personalizar las ofertas a los clientes individuales.

 

Al finalizar el curso online usted podrá:

  • Comprender los principios, supuestos y aplicaciones de la regresión.
  • Crear y ejecutar modelos de regresión lineal para comprender y pronosticar el comportamiento de variables continuas de interés.
  • Diseñar un modelo de regresión logística, el cual le permitirá analizar y predecir el comportamiento de variables categóricas relevantes.
  • Interpretar resultados y evaluar la confiabilidad de cada uno de sus modelos con base en el cumplimiento de supuestos e indicadores de bondad de ajuste.

 

Requisitos: