Untitled

Casos de estudio para su análisis y posterior resolución a través de árboles de decisión y la utilización de código R. Instrucciones:

En cada caso, usted es el responsable de generar la data necesaria para dar solución a los problemas planteados y segun la identificación de variables dependientes e inependientes.

En la resolución, debe presentar el dibujo del arbol de decición hecho en cualquier herramienta, luego deberá generar el código en R, para dar solución a cada caso y al mismo tiempo deberá hacer una predicción de dicha variable. Debe generar el informe del trabajo realizado en rmarkdown y publicar su archivo HTML, aqui debe incluir el gráfico del árbol de decision. En el aula virtual debe colocar el link de su publicación.

Caso de estudio: Control de Calidad en Manufactura: Una fábrica utiliza árboles de decisiones para el control de calidad en la producción. Los criterios incluyen parámetros de fabricación, resultados de pruebas y registros de calidad históricos. El objetivo es prever si un lote de productos cumple con los estándares de calidad.

library(rpart)

## Warning: package 'rpart' was built under R version 4.2.3

# Realizamos la Simulación de datos 
set.seed(123)
datos <- data.frame(
  Parametro1 = runif(100, min = 0, max = 1),
  Parametro2 = runif(100, min = 0, max = 1),
  ResultadoPrueba = rnorm(100, mean = 5, sd = 2),
  RegistroCalidadHistorico = sample(c("Aceptable", "No aceptable"), 100, replace = TRUE)
)

# Crear el árbol de decisiones
arbol_decision <- rpart(
  RegistroCalidadHistorico ~ Parametro1 + Parametro2 + ResultadoPrueba,
  data = datos,
  method = "class"  # "class" si la variable de respuesta es categórica
)

# Visualizar el árbol de decisiones
plot(arbol_decision, col="skyblue")
text(arbol_decision, pretty = 0)

# Crear nuevos datos para predicción 
nuevos_datos <- data.frame(
  Parametro1 = 0.8,
  Parametro2 = 0.6,
  ResultadoPrueba = 6.5
)

# Realizar la predicción con el árbol de decisiones
prediccion <- predict(arbol_decision, nuevos_datos, type = "class")

# Mostrar la predicción
print(prediccion)

##            1 
## No aceptable 
## Levels: Aceptable No aceptable

Despues de poder ver el arbol de decision y al mismo tiempo aplicarlo una prediccion decimos que al tomar encuenta parametros de fabricacion, los resultados de prueba podemos ver que nuestro registro historico no es aceptable.