#Ingresamos los datos en R para el modelo: Arbol declasificación"
arbol <-c(23.81, 22.13, 22.64, 21.69, 23.58, 22.14, 18.73, 21.59,
20.36, 20.53, 20.11, 20.34, 19.19, 22.92, 18.65, 20.6,
19.83, 20.09, 19.43, 22.06, 21.15, 19.26, 18.08, 20.24,
18.75, 20.69, 21.62, 23.69, 23.93, 23.19)
#Ingresamos los datos en R para el modelo: Redes neuronales"
redn <-c(23.24, 20.08, 18.01, 23.28, 19.23, 21.22, 21.47, 20.6,
21.11, 21.27, 21.03, 17.34, 22.8, 21.85, 17.85, 23.15,
19.57, 19.56, 20.79, 18.04, 20.95, 21.83, 18.17, 22.66,
18.29, 18.89, 19.49, 19.19, 26.47, 25.25)
#Ingresamos los datos en R para el modelo: Métodos de regresión
regresion <-c(16.13, 17.84, 18.28, 15.61, 17.62, 16.12, 17.29, 16.13,
16.64, 15.03, 18.16, 16.82, 17.44, 16.76, 17.26, 15.55,
17.49, 18.42, 17.54, 17.13, 15.5, 16.8, 18.47, 18.42,
18.43, 15.56, 16.03, 15.39, 15.12, 17.77)
#Ingresamos los datos en R para el modelo: Sistema actual
actual <-c(17.09, 15.77, 18.45, 16.55, 22.23, 22.11, 18.26, 18.04,
19.66, 19.76, 18.74, 19.02, 18.54, 16.7, 17.57, 19.89,
19.06, 18.7, 19.39, 19.68, 19.2, 16.85, 19.91, 19.82, 18.08,
19.38, 20.3, 21.6, 23.39, 19.33)
#Mostramos el código para incluir el diagrama de cajas con boxplot
data2 <- data.frame(ÁrbolC =arbol, Red_N = redn, Regresion = regresion, SActual = actual)
#El resultado muestra que el modelo de: "Métodos de regresión" no abarca demasiados valores. Los modelos "Arbol de clasificación" y "Red neuronal" son mejores pero los dos son muy buenos. Para quedarnos con uno, hallaremos los intervalos de confianza.
boxplot(data2)
#Mostramos el código para hallar el intervalo de confianza.
resultado <- t.test(arbol, conf.level = 0.95)
resultado$conf.int
## [1] 20.39712 21.67088
## attr(,"conf.level")
## [1] 0.95
resultado2 <-t.test(redn, conf.level = 0.95)
resultado2$conf.int
## [1] 19.92542 21.58658
## attr(,"conf.level")
## [1] 0.95
#Se muestra que los dos métodos son muy buenos, debido a que no hay una diferencia significativa.