DISCRIMINANTE

TODO DESCRIPTIVO (FISCHER)

PROBLEMA 1. El banco “PRESTAMOSA” tiene l información acerca de 16 clientes a los

que se les concedió un préstamo de $100,000.00 a cada uno. Pasados 5 años desde la
concesión del préstamo el 50% de los clientes fueron clasificados como “Fallidos” por no
haber reintegrado sus préstamos. Al momento de la solicitud de préstamo, el banco dispone
de la siguiente información.

Clientes Fallidos Clientes no Fallidos

Cliente Patrimonio Deudas Cliente Patrimonio Deudas
Neto Pendientes Neto Pendientes
1 1.3 4.1 9 5.2 1.0
2 3.7 6.9 10 9.8 4.2
3 5.0 3.0 11 9.0 4.8
4 5.9 6.5 12 12 2.0
5 7.1 5.4 13 6.3 5.2
6 4.0 2.7 14 8.7 1.1
7 7.9 7.6 15 11.1 4.1
8 5.1 3.8 16 9.9 1.6
Total 40 40 72 24
Media 5 5 9 3

Hay en la actualidad dos nuevas solicitudes, el primer solicitante tiene 10.1 de patrimonio
neto y 6.8 deudas pendientes; y el segundo 9.7 y 2.2, respectivamente. Qué de decisión
debe tomar el gerente.
Discriminant
[DataSet0]
Analysis Case Processing Summary

Unweighted Cases N Percent

Valid 16 100,0
Missing or out-of-range group
0 ,0
codes
At least one missing
0 ,0
discriminating variable
Excluded
Both missing or out-of-range
group codes and at least one 0 ,0
missing discriminating variable
Total 0 ,0
Total 16 100,0

Group Statistics

GRUPO Mean Std. Deviation Valid N (listwise)

Unweighted Weighted

PATRIMONIO 5,0000 2,07089 8 8,000

FALLIDO
DEUDA 5,0000 1,86394 8 8,000
PATRIMONIO 9,0000 2,28910 8 8,000
NO FALLIDO
DEUDA 3,0000 1,74438 8 8,000
PATRIMONIO 7,0000 2,95184 16 16,000
Total
DEUDA 4,0000 2,02682 16 16,000

Tests of Equality of Group Means

Wilks' Lambda F df1 df2 Sig.

PATRIMONIO ,510 13,433 1 14 ,003

DEUDA ,740 4,910 1 14 ,044

Pooled Within-Groups Matricesa

PATRIMONIO DEUDA

PATRIMONIO 4,764 1,001

Covariance
DEUDA 1,001 3,259

a. The covariance matrix has 14 degrees of freedom.

 Covariance Matricesa

GRUPO PATRIMONIO DEUDA

PATRIMONIO 4,289 1,824

FALLIDO
DEUDA 1,824 3,474
PATRIMONIO 5,240 ,177
NO FALLIDO
DEUDA ,177 3,043
PATRIMONIO 8,713 -1,199
Total
DEUDA -1,199 4,108

a. The total covariance matrix has 15 degrees of freedom.

Analysis 1

Box's Test of Equality of Covariance Matrices

Log Determinants

GRUPO Rank Log Determinant

FALLIDO 2 2,449
NO FALLIDO 2 2,767
Pooled within-groups 2 2,676

The ranks and natural logarithms of determinants printed are

those of the group covariance matrices.

Test Results

Box's M ,951
Approx. ,268
df1 3
F
df2 35280,000

Sig. ,849

Tests null hypothesis of equal

population covariance matrices.

Summary of Canonical Discriminant Functions

Eigenvalues

Function Eigenvalue % of Variance Cumulative % Canonical

Correlation

1 1,716a 100,0 100,0 ,795

a. First 1 canonical discriminant functions were used in the analysis.
 Wilks' Lambda

Test of Function(s) Wilks' Lambda Chi-square df Sig.

1 ,368 12,987 2 ,002

Standardized Canonical
Discriminant Function
Coefficients

Function

PATRIMONIO ,922
DEUDA -,686

Structure Matrix

Function

PATRIMONIO ,748
DEUDA -,452

Pooled within-groups
correlations between
discriminating variables and
standardized canonical
discriminant functions
Variables ordered by absolute
size of correlation within
function.
Canonical Discriminant
Function Coefficients

Function
1

PATRIMONIO ,422
DEUDA -,380
(Constant) -1,437

Unstandardized coefficients
Functions at Group
Centroids

GRUPO Function

1
FALLIDO -1,225
NO FALLIDO 1,225
Unstandardized canonical
discriminant functions
evaluated at group means

Classification Statistics
Classification Processing Summary

Processed 16
Missing or out-of-range group
0
codes
Excluded
At least one missing
0
discriminating variable
Used in Output 16

Prior Probabilities for Groups

GRUPO Prior Cases Used in Analysis

Unweighted Weighted

FALLIDO ,500 8 8,000

NO FALLIDO ,500 8 8,000
Total 1,000 16 16,000

Classification Function Coefficients

GRUPO

FALLIDO NO FALLIDO

PATRIMONIO ,777 1,813

DEUDA 1,296 ,364
(Constant) -5,876 -9,396

Fisher's linear discriminant functions

Classification Resultsa

GRUPO Predicted Group Membership Total

FALLIDO NO FALLIDO

FALLIDO 8 0 8
Count
NO FALLIDO 1 7 8
Original
FALLIDO 100,0 ,0 100,0
%
NO FALLIDO 12,5 87,5 100,0

a. 93,8% of original grouped cases correctly classified.

Resumen:

CLIENTE GRUPO PATRIMONIO DEUDA DIS-1 DIS1-1 DIS1-2 DIS2-2

1,00 1,00 1,30 4,10 1,00 -244,623 ,99751 ,00249
2,00 1,00 3,70 6,90 1,00 -249,687 ,99780 ,00220
3,00 1,00 5,00 3,00 1,00 -,46476 ,75747 ,24253
4,00 1,00 5,90 6,50 1,00 -141,530 ,96977 ,03023
5,00 1,00 7,10 5,40 1,00 -,49006 ,76868 ,23132
6,00 1,00 4,00 2,70 1,00 -,77319 ,86928 ,13072
7,00 1,00 7,90 7,60 1,00 -,98856 ,91852 ,08148
8,00 1,00 5,10 3,80 1,00 -,72669 ,85578 ,14422
9,00 2,00 5,20 1,00 2,00 ,38018 ,28260 ,71740
10,00 2,00 9,80 4,20 2,00 110,693 ,06224 ,93776
11,00 2,00 9,00 4,80 2,00 ,54081 ,20995 ,79005
12,00 2,00 12,00 2,00 2,00 287,290 ,00088 ,99912
13,00 2,00 6,30 5,20 1,00 -,75201 ,86327 ,13673
14,00 2,00 8,70 1,10 2,00 182,088 ,01141 ,98859
15,00 2,00 11,10 4,10 2,00 169,419 ,01550 ,98450
16,00 2,00 9,90 1,60 2,00 213,776 ,00528 ,99472

PROBLEMA 2. El banco “PRESTAMOSA” tiene l información acerca de 25 clientes a los

que se les concedió un préstamo de $100,000.00 a cada uno. Pasados 5 años desde la
concesión del préstamo el 50% de los clientes fueron clasificados como “Fallidos” por no
haber reintegrado sus préstamos. Al momento de la solicitud de préstamo, el banco dispone
de la siguiente información.

Clientes: 1-Fallidos; 2-No Fallidos

Cliente Categoría Ingresos Patrimonio Vivienda Casado Contrato
Neto (IN) Neto (PN) (VI) (CA) de Trabajo
(CT)
1 1 32.7 336 1 1 0
2 1 18.6 204 1 0 1
3 1 24.6 138 0 1 1
4 1 37.2 270 1 0 1
5 1 23.7 114 1 1 1
6 1 7.5 132 1 1 1
7 1 29.4 90 0 1 1
8 1 53.4 228 1 1 1
9 1 20.1 324 0 1 1
10 1 31.2 480 1 1 0
11 1 17.1 108 1 1 1
12 1 39 132 1 1 1
13 1 45.6 216 1 1 1
14 2 26.1 234 1 1 0
 15 2 8.1 48 0 1 1
16 2 12.6 114 0 0 1
17 2 8.7 150 1 0 1
18 2 38.4 24 0 1 1
19 2 22.8 114 1 1 0
20 2 14.7 60 0 1 1
21 2 19.8 42 0 1 0
22 2 5.1 72 0 1 0
23 2 7.2 30 1 1 1
24 2 11.1 36 1 0 0
25 2 15.9 150 0 0 0
Total
Media

X1: Ingresos Anuales Netos (IN)

X2: Patrimonio Neto (PN)
X3: Vivienda, 0-Propietario, 1-No propietario (VI)
X4: Estado Civil, 0-Otra situación, 1-Casado (CA)
X5: Contrato de Trabajo, 0-Otra situación, 1-Contrato Fijo (CT)

Construir funciones discriminantes que permitan clasificar, con los menos errores posibles,
a los clientes en diferentes grupos. Si las funciones son buenas se pueden utilizar para
analizar la decisión a tomar ante un nuevo préstamo.