P1gina 1

Apuntes

Página 1 HMEQ - Reporte de Calidad de Datos y EDA Fecha de generación: 2026-01-30 Resumen ejecutivo • El dataset contiene 5,960 registros y 13 variables (target: BAD). • La tasa de default (BAD=1) es 19.9% (desbalance moderado). • La variable con mayor faltante es DEBTINC (21.3%). • El patrón de faltantes no es aleatorio: DEBTINC está faltante en ~66.1% de BAD=1 vs ~10.1% de BAD=0. • Variables más asociadas con BAD (correlación lineal): DELINQ, DEROG, DEBTINC, NINQ y CLAGE. 1. Vista general del dataset Filas: 5,960 Columnas: 13 Duplicados exactos: 0 Variables y tipos: variable dtype BAD int64 LOAN int64 MORTDUE float64 VALUE float64 REASON object JOB object YOJ float64 DEROG float64 DELINQ float64 CLAGE float64 NINQ float64 CLNO float64 DEBTINC float64 Página 2 2. Calidad de datos Top 10 variables con faltantes: variable missing_count missing_pct non_missing_count DEBTINC 1267 21.26 4693 DEROG 708 11.88 5252 DELINQ 580 9.73 5380 MORTDUE 518 8.69 5442 YOJ 515 8.64 5445 NINQ 510 8.56 5450 CLAGE 308 5.17 5652 JOB 279 4.68 5681 REASON 252 4.23 5708 CLNO 222 3.72 5738 Recomendación: para variables con faltantes relevantes (especialmente DEBTINC), usar imputación + indicador de m...