Fundamentos para Inteligencia Artificial · Semana 6
17 de febrero de 2026 ≈ · NRC-197 ·
3 entregables
De qué iba
El profesor abrió la semana con la diferencia entre describir lo que ya pasó y arriesgarse a predecir lo que puede pasar. Tomé el dataset de diabetes desde scikit-learn y le pasé por encima todo lo que pedía el enunciado: posición central, relación entre medias, cuantiles, dispersión, asimetría, curtosis, frecuencias y seis gráficos embebidos. Lo que más me quedó sonando fue el coeficiente de variación del 50.67 %: hablar ahí de un paciente promedio no dice mayor cosa. También contesté el punto extra sobre probabilidad condicional, sesgo, muestreo y ANOVA.
Verifiqué empíricamente la desigualdad entre medias del target: armónica 112.14, geométrica 131.80 y aritmética 152.13
Calculé cuartiles (Q1 87, Q3 211.5, IQR 124.5) y apliqué el método de Tukey, que no marcó ningún valor atípico
Medí dispersión y forma: desviación estándar 77.09, coeficiente de variación 50.67 %, asimetría 0.4391 y curtosis de Fisher -0.8866, o sea platicúrtica
Armé la tabla de frecuencias en ocho intervalos, donde el tramo [65-105) reúne 101 pacientes, y guardé seis gráficos en PNG: histograma con KDE, boxplot, mapa de calor, dispersión bmi contra target con r = 0.586, barras de frecuencias y panel comparativo
Qué pedían
El enunciado y la rúbrica, tal cual los publicaron.
