• Atributos, ver variables.
• Resultado dicotómico, dos posibilidades.
• Variables también denominadas atributos.

Es la medida de desorden o incertidumbre.

Medida de homogeneidad (o parecido) entre puntos en una nube de puntos. A menor inercia, menor varianza. A más inercia, más información esparcida y puntos más separados.

Es la medida de rendimiento de un modelo a la hora de predecir o clasificar casos.
Por ejemplo imaginemos que en una población se ha calculado una predicción de respuesta del 5% (esto es que para un valor X se tiene una predicción del 5%), pero en un modelo concreto se ha identificado un subconjunto con una predicción de respuesta del 20%. Ese subconjunto tendría un lift de 4.0 .

• Numéricas: Corresponden a valores que pueden ser expresados por números, ya sean estos enteros, reales, naturales… Son ordenables (número de hijos, edad…). Podríamos denominarlas cuantitativas y a la vez discretas (cuando toman valores enteros) o continuas (cuando son intervalos).
• Categóricas: No tienen un orden concreto y corresponden a categorías concretas y limitadas (color, actividad en gimnasio, signo del zodiaco…). Una subcategoría de estas serían las binarias que sólo pueden tomar dos valores.
• Intervalos: Son agrupaciones de valores numéricos (edad que podria ir de 0 a 12 años, de 13 a 18 años…). También podríamos llamarlas cuantitativas continuas.

Si dos variables están muy relacionadas podríamos decir, poniendo por ejemplo el estado civil y los compañeros de vivienda, cuantos solteros viven con los padres, cuantos casados…

Para medir la intensidad o grado de dependencia entre dos variables aleatorias cuantitativas (X e Y) calcularemos el coeficiente de correlación (calcula la relación lineal entre ellas).

Utilizaremos la fórmula de la χ² (y si son numéricas las convertiremos a estas).

A partir del test de la F de Fisher.

Buscaremos el p-valor a partir de la t de Student.