AAnS Tema 8

¿Qué es una anomalía en el contexto del análisis de datos?. Un valor que es extremadamente común en el conjunto de datos. Un valor que se ajusta perfectamente al modelo de datos. Un valor que se desvía significativamente del comportamiento esperado del conjunto de datos. Un valor que se encuentra dentro del rango intercuartílico.

¿Cuál de los siguientes métodos se utiliza comúnmente para detectar anomalías en series temporales?. K-Means clustering. PCA. Media móvil. Árboles de decisión.

¿Qué mide el Z-Score en un conjunto de datos?. La distancia de un punto de datos al centroide más cercano. El número de desviaciones estándar que un punto de datos se aleja de la media del conjunto de datos. La densidad local de un punto de datos en comparación con sus vecinos más cercanos. La correlación entre dos variables en un conjunto de datos.

¿Cuál de los siguientes es un algoritmo basado en densidad para la detección de anomalías?. K-Nearest Neighbors (k-NN). Support Vector Machines (SVM). DBSCAN. Árboles de regresión.

¿Cuál es una desventaja común de los algoritmos de detección de anomalías?. No pueden manejar grandes volúmenes de datos. Requieren siempre datos etiquetados. Pueden generar falsos positivos. No son compatibles con técnicas de clustering.

¿Qué técnica estadística se basa en suponer que los datos siguen una distribución normal?. Método del percentil. DBSCAN. Z-Score. LOF (Local Outlier Factor).

En el contexto de detección de anomalías, ¿qué es un «outlier»?. Un valor promedio en el conjunto de datos. Un valor que está en la mediana del conjunto de datos. Un valor que se encuentra dentro del rango intercuartílico. Un valor que se desvía significativamente del resto de los datos.

¿Qué tipo de algoritmo de detección de anomalías utiliza tanto datos etiquetados como no etiquetados?. Algoritmos supervisados. Algoritmos no supervisados. Algoritmos semisupervisados. Algoritmos basados en reglas.

¿Cuál de los siguientes métodos es más adecuado para detectar anomalías en datos multivariados considerando la correlación entre variables?. K-Means clustering. Mahalanobis distance. Media móvil. Árboles de decisión.

¿Cuál es una ventaja de la detección temprana de anomalías?. Reduce la necesidad de preprocesamiento de datos. Mejora la precisión de los modelos sin eliminar valores atípicos. Ayuda a identificar problemas potenciales antes de que se vuelvan críticos. Elimina la necesidad de técnicas de aprendizaje supervisado.