Análisis de Segmentación de Clientes: HAC vs. DIANA Este proyecto aplica dos filosofías opuestas de clustering jerárquico sobre un dataset de clientes de tarjetas de crédito para identificar perfiles de consumo y endeudamiento: Enfoque Aglomerativo (HAC): Estrategia Bottom-Up. Empieza considerando cada cliente como un grupo individual y los va fusionando según su similitud hasta formar una jerarquía. Utiliza el Criterio de Ward o Average Linkage para minimizar la varianza interna. Enfoque Divisivo (DIANA): Estrategia Top-Down. Comienza con todos los clientes en un solo gran grupo y los va dividiendo sucesivamente. Es especialmente potente para identificar grandes estructuras antes que detalles finos.

Curriculum Vitae

Gray Wolf Data Map (AEC:437)

Nota ao leitor: Esta apostila resume o Capítulo 3 de An Introduction to Generalized Linear Models (Dobson & Barnett, 4ª ed., 2018). O capítulo é o coração teórico do livro: introduz a família exponencial de distribuições e define formalmente os Modelos Lineares Generalizados (MLGs). Todas as demonstrações relevantes são detalhadas de forma didática. Este material foi produzido em Quarto Markdown, com apoio de ferramentas de inteligência artificial na organização e síntese do conteúdo, tendo sido integralmente revisado e validado pelo autor.