Análisis de la varianza a un problema de analítica de datos
En una investigación médica se propuso estudiar la capacidad pulmonar de los fumadores y no fumadores. Se recogieron datos de una muestra de la población fumadora, no fumadora y fumadores pasivos. A cada persona se le realizó un test de capacidad pulmonar consistente en evaluar la cantidad de aire expulsado (AE). La muestra de n individuos se categorizó en 6 tipos: No fumadores (NF) Fumadores pasivos (FP) Fumadores que no inhalan (NI): personas que fuman pero no inhalan el humo. Fumadores "light" (FL): personas que fuman e inhalan de uno a 10 cigarrillos al día durante 20 años o más. Fumadores moderados (FM): personas que fuman e inhalan entre 11 y 39 cigarrillos por día durante 20 años o más. Fumadores intensivos (FI): personas que fuman e inhalan 40 cigarrillos o más durante 20 años o más. En esta actividad se realizará un análisis de si la capacidad pulmonar está influida por el tipo de fumador y si los fumadores pasivos presentan diferencias en relación al resto de grupos. Para ello, se aplicarán distintos tipos de análisis, revisando los contrastes de hipótesis de una y dos muestras, vistos en la actividad A2, y luego realizando análisis más complejos como ANOVA.
En la segunda parte de la actividad (sección 7), aplicaremos el análisis de varianza a un problema de analítica de datos. Concretamente, aplicaremos un algoritmo de minería de datos (k-NN) para un problema de clasificación. El algoritmo se ejecutará en diferentes configuraciones y a partir del análisis de varianza se investigará si existen diferencias significativas entre las diferentes configuraciones del algoritmo y en caso afirmativo, cuál de las versiones obtiene los mejores resultados.