Sesión 6: Distribuciones de probabilidad — Transcript

Introducción a gráficos personalizados en R al estilo BBC y conceptos básicos de estadística descriptiva para tesis.

Key Takeaways

  • La personalización de gráficos en R permite crear visualizaciones profesionales y adaptadas al estilo BBC.
  • Instalar y usar librerías específicas como BB Plot y GG Animate es clave para gráficos estáticos y dinámicos.
  • Crear temas propios facilita la consistencia visual en múltiples gráficos.
  • Exportar gráficos con buena resolución es fundamental para su uso en documentos y presentaciones.
  • Los gráficos dinámicos enriquecen la interpretación de datos temporales y comparativos.

Summary

  • Se presenta un laboratorio en R para crear gráficos al estilo BBC de Londres, con plantillas y personalización de temas.
  • Se explica cómo instalar librerías necesarias para gráficos avanzados, como BB Plot y GG Animate para gráficos animados.
  • Se muestra la creación de temas personalizados para gráficos en R, facilitando la estandarización y estilo único.
  • Se ejemplifican diferentes tipos de gráficos, incluyendo pirámides de población y gráficos de burbujas dinámicos.
  • Se enseña cómo exportar gráficos con parámetros de nitidez y dimensiones para su uso en reportes o presentaciones.
  • Se discute la importancia de la personalización de ejes, textos, fuentes y leyendas para mejorar la presentación visual.
  • Se menciona la posibilidad de hacer gráficos dinámicos con GG Animate para mostrar evolución temporal de datos.
  • Se enfatiza la utilidad de estas herramientas para mejorar la calidad visual y comunicativa de los análisis estadísticos.
  • Se hace referencia a la integración de estos recursos en un curso de estadística descriptiva para estudiantes.
  • Se recomienda explorar y adaptar las plantillas para diferentes tipos de gráficos según las necesidades del usuario.

Chapters

  1. 00:00Introducción y presentación del tema de estadística descriptiva
  2. 05:08Personalización de gráficos y creación de temas en R
  3. 09:54Exportación de gráficos con parámetros de nitidez y formato
  4. 15:32Instalación de librerías para gráficos avanzados y solución de errores
  5. 20:30Ejemplos de gráficos: pirámides de población y comparaciones
  6. 25:52Gráficos dinámicos con GG Animate y visualización de datos temporales

Full Transcript — Download SRT & Markdown

00:00
Speaker A
Muchachos, buenas noches. ¿Cómo están? Muy bien, entonces vamos a empezar con nuestro tema de estadística descriptiva.
00:10
Speaker A
Eh, habíamos visto un pedacito la sesión anterior, ¿no? Eh, adicional a eso, les quiero comentar que les estoy compartiendo un nuevo archivo de R, un laboratorio llamado gráficos al estilo BBC de Londres. Este es ese diario famoso.
00:29
Speaker A
Eh, para que puedan hacer gráficos adicionales. Ya les voy a mostrar súper rápido esto. Si es para ustedes, por ejemplo, qué cosa se puede hacer. A ver, un ratito antes de entrar con nuestro tema. Ya, esto lo van a explorar ustedes para
00:49
Speaker A
tener mayor conocimiento, ¿no? Seguramente ustedes han visto esta famosa revista, ¿no? A ver, los famosos gráficos, ¿no? Tiene unos gráficos muy interesantes.
01:09
Speaker A
A ver, vamos a ver. A ver, ya este tipo de gráfico, ¿no? Que hace, por ejemplo, la BBC.
01:18
Speaker A
Entonces, esto lo hacen en R, muchachos. Este tipo de gráfico, ¿no? Entonces, yo le estoy compartiendo unas plantillas interesantes para que puedan hacer estos tipos de gráficos.
01:32
Speaker A
¿Qué otros gráficos hay? Este tipo de gráfico, por ejemplo, interesante, ¿no? Tiene una forma de presentación muy muy vistosa, ¿no?
01:42
Speaker A
Agregan texto, algunos cortes de referencia, su fuente y todo. Entonces esta revista siempre innova en sus gráficos y lo hace de manera muy interesante.
01:56
Speaker A
Por ejemplo, acá hay un par de ejemplos. A ver, es más, ustedes, muchachos, también pueden construir sus temas.
02:04
Speaker A
Los temas, por ejemplo, son personalizaciones. Es decir, recuerden que cuando hemos hecho un gráfico, uno podría agregar colores, podría agregarle, por ejemplo, títulos, leyendas, subtítulos, fuentes, un montón de cosas, ¿no?
02:31
Speaker A
Muy bien. Al parecer no me deja instalar. A ver, vamos a ver. Mm. Ah, vamos a ver.
02:49
Speaker A
Hay una librería que no me deja instalar para mostrarles. A ver, vamos a intentar ya.
03:03
Speaker A
Ustedes también, si es posible, vayan corriendo ese código. Ya son plantillas, ¿no?, que les va a servir para adaptarlo a cualquier tipo de gráfico.
03:15
Speaker A
A ver, un momento, voy a correr esto. Listo. A ver, ahora sí voy a correr, ¿eh?
03:31
Speaker A
Uy, se va este BP, dice que no existe. A ver, eh, por dice que no está en el error.
03:43
Speaker A
Vamos a ver un ratito. Al parecer es una librería que no está activa en el R, ¿no?
03:57
Speaker A
Vamos a pedir ayuda. Y acá está, ¿no? Ah, es una librería desde R. Mira, esta librería BB Plot ya recoge las plantillas principales del BBC de Londres, ¿no? De la sí, está sí se compartió en sesión número seis, Aldo, lo compartieron al
04:16
Speaker A
grupo de WhatsApp. Luego se va a subir, me supongo, que al Classroom, así que ahí lo tienen. En el grupo de WhatsApp está, lo compartió más o menos a las 4 de la tarde aproximadamente.
04:28
Speaker A
A ver, entonces para instalar, ah, me dicen que tengo que instalar esto, ¿no? Y esto lo voy a instalar. Lo voy a dejar por acá también.
04:43
Speaker A
Ahí está. Está instalándose, ¿no? Voy a esperar unos segundos y acá le digo, "Instálame, ¿no?" Ya listo.
04:58
Speaker A
Entonces, ahora sí se va a poder instalar. Ahora sí. Entonces voy a generar un conjunto de datos y acá les quiero comentar algo, ¿no?
05:08
Speaker A
Cada gráfico pues tiene su personalización, ¿no? Por ejemplo, los ejes, qué tamaño de letra, qué texto, todo eso ustedes pueden personalizar sus temas.
05:20
Speaker A
Por ejemplo, acá yo le puse TEM Luis BBC. Esto es mi propia personalización, es decir, es mi función, una función que yo voy a crear de tal manera que cada vez que yo lo use para un gráfico, use todos estos elementos que yo he
05:36
Speaker A
definido, ¿no? Es mi propia función. Ustedes le pueden poner su nombre, ¿no? Acá lo pueden poner, por ejemplo, Aldo, Alejo, Anthony, Diego, Frey, temas propios, ¿no? Es decir, cada gráfico que ustedes van a generar con su propio tema, va a tener su propio estilo, como
05:55
Speaker A
se dice, ¿no? Muy bien, eso es. Entonces, voy a generar mi tema. Ya está.
06:03
Speaker A
Entonces, ustedes ya conocen GG Plot, esto ya lo conocemos. ¿Dónde entran nuestros temas? Todo este gráfico que voy a construir acá, le voy a sumar, oye, agrégale mi tema, ¿no? Y le va a dar un estilo único según lo que tú has creado, ¿no?
06:22
Speaker A
Por ejemplo, ahí está, ¿no? Mira, este es un gráfico que es el mismo estilo de BBC, igualito que hemos visto.
06:36
Speaker A
Ustedes dirán, "Profesor, pero es un gráfico." Sí, muy parecido al BBC London, efectivamente sobrio, no tiene mucha carga de elementos, tiene su fuente, sus ejes bien diferenciados, un título, un subtítulo. Efectivamente es un BBC del hombre, ¿no?
06:54
Speaker A
Cuenta muy bien. Entonces estas plantillas, muchachos, ustedes lo pueden adaptar a diferentes tipos de gráficos, ¿no?
07:03
Speaker A
Eso es lo interesante. ¿Qué otro tipo de gráfico? Por ejemplo, también si es que quieres ver comparaciones de poblaciones, por ejemplo, ahí está gráficas como este tipo, población por grupo de edad.
07:20
Speaker A
Acá está la fuente y acá está la elaboración, ¿no? Yo puse Luis Bautista, pero ustedes pueden poner sus nombres de ustedes, ¿no?
07:28
Speaker A
Entonces, si se dan cuenta, son gráficos ya totalmente diferentes a los gráficos comunes que hemos visto, ¿no?
07:35
Speaker A
Entonces, crear gráficos ya es una habilidad, como se dice, ¿no? Ya va a depender de cada uno de nosotros.
07:45
Speaker A
Muy bien. ¿Qué más? Esto también es un gráfico interesante. Esto acá me gusta bastante. Pirámides de edades, ¿no? Si tú quieres comparar poblaciones por sexo, por ejemplo, y rango de edad, por ejemplo, las pirámides son una herramienta muy
08:04
Speaker A
interesante, muchachos. Miren, esta es una pirámide de ces, acá ustedes pueden ver pues cómo es esa distribución por grupos de edad, ¿no?
08:22
Speaker A
Empieza mayoritariamente con población. Bueno, como son datos simulados, no se va a observar mucho la interpretación, ¿no? Pero si usamos datos reales, por ejemplo, del Banco Mundial, sí se ve o de un país específico, sí se ve esa pirámide interesante, ¿no?
08:44
Speaker A
Muy bien. Y si es que quieren ustedes exportar sus gráficos, existe una función llamada GG.
08:53
Speaker A
Le das el nombre del archivo, cómo quieres que guarde, en su respectiva extensión, el objeto respectivo, las dimensiones en pulgadas y la nitidez, ¿no?
09:07
Speaker A
Entonces, eso lo puedes guardar de esa manera. Halmer Fidelm, para que instales el BB Plot necesitas instalar primero esto.
09:16
Speaker A
Miren, esto de acá. Me olvidé agregarles ahí. A ver, les voy a pasar por el chat y eso lo agregan ustedes, ¿ya?
09:26
Speaker A
Y luego instalas el BB Plot. Muy bien. En otras palabras, necesitas estos dos. A ver, vamos a ver. Necesitas eso, dos, ¿no?
09:44
Speaker A
Por ejemplo, vamos a exportar un gráfico. Miren, voy a exportar el primero. Si ejecuto, automáticamente ya se guardó, ¿no?
09:54
Speaker A
¿Dónde se guarda? En tu directorio de trabajo, ¿no? Miren, ahí está guardado, ya está exportado en un formato nítido, ¿no? Si se dan cuenta, el DPI es un parámetro de nitidez del gráfico.
10:11
Speaker A
Obviamente si les agregas más nitidez, tu imagen va a pesar más. Hasta 10 megas puede empezar si tú le pones más nítidas, ¿no?
10:20
Speaker A
Pero ya con este DPI es más que suficiente, ¿no? Se ve súper nítido. Muy bien, muchachos. Y así pueden guardar las demás y más.
10:33
Speaker A
Adicionalmente, un compañero de ustedes me pidió si se podía hacer gráficos dinámicos de la evolución de la población, por ejemplo, en el tiempo, ¿no?
10:43
Speaker A
Eh, a eso le dicen la BBC, lo dice burbujas, gráfico de burbujas en el cual compara tamaño poblacional, esperanza de vida y PIB per cápita, ¿no? En un solo gráfico.
10:57
Speaker A
Interesante, ¿no? Y eso es de esta manera, ¿ya? Acá está un gráfico preliminar y es esto, ¿no?
11:10
Speaker A
Ahí está, muchachos. Mismo estilo BBC de Londres. En el eje X tenemos el PIB per cápita, en el eje Y tenemos la esperanza de vida y las burbujas son los tamaños de la población, ¿no?
11:28
Speaker A
Y un compañero de ustedes nos dijo también que si se podía hacer este gráfico de manera dinámica, también se puede hacer, ¿no?
11:36
Speaker A
Justamente ya se incorpora una librería llamada GG Animate que te permite hacer gráficos animados, ¿no? Seguramente lo han visto por ahí en algún reporte.
11:52
Speaker A
Esto lo voy a agrandar por acá. Ya ver, dice que no encuentra a Nim. Vamos a correr nuevamente.
12:12
Speaker A
Ya, ahora sí. Uy, qué raro. Vamos a ver nuevamente. Vamos a ver, maestro. Lo que sucede es que el nombre anima, al parecer el nombre de la... Ah, buena, buena. Esto es exacto. Exactamente.
12:42
Speaker A
Sí, sí. No sé por qué lo puse diferente. Ya. Muy bien. Vamos a esperar ahí que procese ya.
12:50
Speaker A
Y van a ver cómo se voy a eliminar esto. Está ejecutando, está renderizando, como dicen ¿no?
12:59
Speaker A
Y eso se va, bueno, hay que esperar unos segundos porque como es un gráfico dinámico, te va a mostrar la evolución año por año, ¿no? Cómo han cambiado esos tres indicadores en el tiempo de de los diferentes países, ¿no?
13:16
Speaker A
Uy, hay un error. A ver qué hice. Vamos a ver. No hay ningún error.
13:36
Speaker A
A ver, vamos a ver. Un es lo que hay, creo. Ah, nuevamente, nuevamente vo eutar.
13:49
Speaker A
Ahí vamos a esperar unos segundos a menos que haya sido porque estaba comprimido la zona. No sé, no creo que sea Vamos a esperar. Ya, ya. Ese G Animate te permite hacer gráficos interactivos, ¿no? Eso es interesante para incorporarlo más que todo en una
14:10
Speaker A
página web, en un HTML. Ahí sí es interesante. Ay, ahí. ¿Por qué no está saliendo? A, vamos a ver.
14:25
Speaker A
Lo que me ha hecho son generar las imágenes, pero yo no quiero esto. Yo no le pedí en ningún momento eso.
14:35
Speaker A
A ver, vamos a ver. [Música] Lo único que me he hecho fue exportar las imágenes y no y no generar la secuencia de A ver, acá debería generar una vista en esta parte en VW. ¡Uf!
15:14
Speaker A
Ah, voy a poner esto ya un ratito. Vamos a consultar un poco a la Ya.
15:32
Speaker A
A ver, a ver. Ya. Mhm. A ver, le voy a dar mejor todo para que me la solución.
16:09
Speaker A
A ver, vamos a ver. Igual los que tienen vayan intentando, muchachos. A ver, vamos a ver.
16:27
Speaker A
Estás a un paso de tener tu animación, al menos me motiva. A ver. Mm.
16:54
Speaker A
Acá está el problema. A ver, vamos a ver. me dice que instale estas dos librerías.
17:07
Speaker A
Ahora vamos a dar la solución ahí, pero si instalo también entiendo que tengo que instalar. Ahora vamos a ver, vamos a solucionar esta parte.
17:27
Speaker A
A ver, ¿qué más? An FPC, ya todo eso está bien. Ah, ya esto nos faltó, creo agregar el tipo de renderización.
17:43
Speaker A
Al parecer no está reconociendo eso. A ver, vamos a esperar unos segundos. Profe, pasas por el chat de esas líneas.
17:56
Speaker A
Gracias. Sí, voy a compartir el archivo nuevamente, no se preocupen porque ya hay muchos pasos que ha agregado. Sí, vamos a esperar. Ya, los resultados son muy muy bonitos.
18:10
Speaker A
En cierta época lo he corrido y no he tenido problema. Ojalá. Ahí está, muchachos. Ahí está.
18:17
Speaker A
Miren, justo su compañero pedía eso, ¿no? S. Se ve muy bien. Sí, ahí está la evolución. Mira, ya el G Animate te permite hacer esas cosas.
18:37
Speaker A
Muy bien. Entonces era un extra que justo me habían pedido ustedes y así que ahí les comparto yo.
18:43
Speaker A
Ya. Muy bien. Ahora sí voy a Todo esto que se generó por no agregar el render, hay que eliminarlo de su carpeta. Ya.
18:53
Speaker A
Ahí si no se van a llenar el archivo. Y ahora les comparto ese archivo modificado.
19:01
Speaker A
Muy bien. A ver, por el chat del Zoom y ustedes actualizan su eh su archivo. Ya.
19:07
Speaker A
Listo. Ya está en el chat del Zoom. Maestro, ¿puedo enseñar algo que fui haciendo para tener su opinión?
19:16
Speaker A
A ver, a ver, adelante. Comparte tu pantalla, amigo. Vamos. Vamos a ver si estoy ejecutando. Okay.
19:29
Speaker A
[Música] Ah, déjame compartir la pantalla ahora. No puedes. Sí, ahora mismo la estoy compartiendo.
19:37
Speaker A
Okay. Okay. Ahora sí. ¿Cómo comparto completa la pantalla? Sí, pantalla completa, por favor, para que se vea.
19:50
Speaker A
Ah, yo puedo compartir aquí. Me me me notificas si se ve. Sí, se ve. Buenazo. Muy bien.
19:58
Speaker A
Sí, yo fui haciendo esto con shiny. Es un un shiny. Muy bien. Shiny. Sí, exacto.
20:06
Speaker A
Sí. Eh, con lo que fui aprendiendo, eh, resultó que es para con una consultoría de un boletín epidemiológic fui guiando de las clases que he tomado con ustedes ya con con ya parte de la documentación que que también son muy muy útiles al momento de
20:30
Speaker A
uno hacer algunas cosas, eh, como hacer un tema de filtro. Wow. pasarle fecha a la misma vez crear los gráficos. Muy bien.
20:43
Speaker A
Eh, utilicé Plotly porque ya tengo bastante experiencia con Plotlin eh desde Python y interactivo no no sabía que existía en R, honestamente sí, porque me permite ya, por ejemplo, seleccionar días específicos.
21:00
Speaker A
Es más, Plotly es propio del R del Python. Se ha copiado también G plot se ha copiado.
21:06
Speaker A
Ah, yo tengo mucha tengo he desarrollado inclusive eh dashboard completo en plot eh muy interactivo con HTML. Exactamente. Eh y como tenía mucha experiencia con ella, pues eh fui a utilizarla. Como tengo también bastante habilidad con los mapas, con la
21:28
Speaker A
elaboración de mapas. Eh, sí buenazo buenazo buenazo. Estos son eh datos random. Fíjense que ahí me me presenta los casos, etcétera.
21:40
Speaker A
Ah interesante. Sí, y como ya yo tengo mayormente me dedico también a los datos geoespaciales, o sea, tengo vasto conocimiento el tema de datos geoespaciales, como también eh la parte ya de la tabla, que sería eh eh ya la
21:57
Speaker A
parte que uno va filtrando, etcétera, etcétera. O sea, que estos gráficos permiten R nos permite hacer estos tipos de de visualizaciones a la hora de inclusive desplegarlo. Inclusive yo lo puedo generar como un servicio que se conecte directamente en una base de
22:16
Speaker A
datos porque me da una ruta. Eso me dio mucha, o sea, me dio eh me alegró mucho porque era más fácil. Entonces hoy le dije al puo es más fácil y me da un puerto. Entonces yo lo que lo hago lo
22:30
Speaker A
conecto a mi servidor, ya el proceso está corriendo. Eh, lo estoy mejorando, o sea, voy a estar mejorándolo. Eh, pero sí está corriendo ya en en en donde estoy haciendo parte de esa consultoría.
22:42
Speaker A
O sea, que le animo también a nuestros compañeros que puedan experimentar que también estos esto se puede combinar con un tipo dashboard y no necesita y no necesitar Power BI, ya que sabemos que consta de una licencia y y costó qué
23:01
Speaker A
cuando en R vamos a hacer todo esto. Es cuando Sí. Y aparte eh gracias por el aporte ya shiny, tú puedes usar HTML, JavaScript, uf, puedes conectar con muchos servidores, APIs de mapas inclusive es super potente.
23:20
Speaker A
El techo aprendizaje es muy alto de Shiny. Es más, ahí yo te recomendaría eh que agregues una un menú de presentación de de tu de tu proyecto, ¿no? y recién con un botón accedas a cada a cada funcionalidad.
23:37
Speaker A
Sí, de hecho me profesor, una pregunta, ¿me escuchas? Sí adelante Miguel. Este, ¿dónde obtengo lo la base de datos de los mapas? O sea, ¿cómo cómo obtengo los mapas a través de R o lo exporto?
23:54
Speaker A
va a depender. Eh, por ejemplo, te hablo del Perú, ahí nosotros tenemos el Instituto Nacional de Estadística Informática que nos proporciona esos esos shapes para levantar mapas, ¿no?
24:07
Speaker A
Pero si quieres una representación sencilla, el R tiene librerías que ya incorpora mapas así en general, ¿no?
24:15
Speaker A
Okay. Pero si quieres específicos, yo les comparto ahorita dos libros, uno para hacer mapas en R y uno para hacer aplicaciones shin. Buenazo.
24:25
Speaker A
Buenazo para que potencien eso. No se preocupen, yo les comparto. Sí, pero si ya quieren mapas recontraespecíficas a nivel de departamento provincia distrito ahí sí hay que pedir el ente oficial.
24:37
Speaker A
Maestro, qua quería añadir que para los mapas es propicio tener en cuenta que va a depender siempre del país, porque el país es que saca su fotografía y también la codificación porque tienen unos unos polinom eh unos unas toponimias que son eh nativas, o
25:02
Speaker A
sea, netas del país, por decirlo así, que va también a corresponder por Por lo tanto, es importante que el levantamiento que se vaya a realizar, que en mi caso, como ya yo tengo muchos años trabajando con con cartografía, con
25:15
Speaker A
datos cartográficos, a mí se me hace más fácil porque conozco las estructuras, que es un chfy, etcétera. Eh, y en R es me se me pareció también hacerlo más fácil conectarlo porque ya tenía estos conocimientos previos. Lo ideal es que,
25:33
Speaker A
y lo digo desde un desde un consejo, que se aprenda que se aprenda a trabajar con la cartografía de manera independiente porque tienes esta manejar mapa tiene muchas normativas y cuando uno ya lo va a utilizar como aplicaciones como R,
25:52
Speaker A
Python o otras visualizaciones, se ya se le hace uno más fácil porque ya conoce la normativa, qué sistema de referencia estoy utilizando, qué tipo de coordenada estoy utilizando, etcétera, que al momento que vayan a conectar estén utilizando un sistema de referencia y
26:09
Speaker A
puede que ese punto aparezca, por ejemplo, en Rusia, ¿verdad? Porque el sistema de referencia cambió o o utilizar un sistema de referencia eh diferente a lo habitual. Por eso sería importante que cuando vayan a a capturar estas informaciones o a obtener estas
26:27
Speaker A
informaciones, tengan el conocimiento previo de las normativas, las estandarizaciones que tienen estos mapas a nivel cartográfico, eh, para introducirlo en R y o en cualquier otro visor e o o lenguaje de programación para que se le haga un poquito más fácil.
26:47
Speaker A
Sí, totalmente de acuerdo, ¿no? Eh, cada país tiene su propia nomenclatura. Es verdad, ¿no? Por ejemplo, acá hablamos de, no sé, el polígono más grande es un departamento, el subsiguiente es una provincia, el tercero es un distrito y el más
27:04
Speaker A
pequeño es un centro poblado por ahí. Entonces, hay unas nomenclaturas muy muy especiales ¿no?
27:10
Speaker A
Justamente en ese libro que les voy a compartir está todo el detalle desde que es una coordenada, que es un polígono, que es un shape y todo eso. Así que primero le dan una leída y ya poco a
27:22
Speaker A
poco reproducen pequeños mapitas, ¿no? Y al final le va a gustar este mundo de los de los de los datos espaciales porque es muy interesante.
27:33
Speaker A
un mundo. Es más, es hay profesiones que se dedican netamente a la parte cartográfica ¿no?
27:39
Speaker A
Muy bien. Excelente aporte. A ver, vamos a ver. Muy bien, Julio. A ver, entonces vamos a continuar entonces con nuestra sesión, ya.
28:04
Speaker A
estadística descriptiva. Entonces, esto ya habíamos visto la siguiente la sesión anterior, ¿no? Entonces, vamos a ver todo lo que es estadística descriptiva.
28:13
Speaker A
¿Qué es estadística descriptiva? Tipo de variables. Esto es un dolor, un dolor de cabeza. Esto acá vamos a tener que discutir un poco, ya eh es muy importante identificar el tipo de variable que nosotros tenemos porque de eso va a depender el tipo de análisis
28:29
Speaker A
que vamos a aplicar. Esto es muy importante. Luego hablaremos de las medidas de tendencia central, las famosas medidas de posición, medidas de dispersión, medidas de forma, tablas de frecuencia y los gráficos que ya hemos visto, ¿no? Todo esto en
28:46
Speaker A
conjunto hacen parte de la estadística descriptiva. Así de simple. La estadística descriptiva es la parte más eh pequeña o corta de la de la estadística en sí, ¿no? Porque la estadística en sí se divide en dos, descriptiva e inferencial. El día de hoy
29:02
Speaker A
vamos a ver la descriptiva, ¿no? Muy bien. Respecto a la definición, ya habíamos visto sobre ese punto, ¿no?
29:13
Speaker A
Habíamos indicado que la estadística descriptiva es la rama de la estadística. es una de las ramas de la estadística que básicamente recolecta, analiza y caracteriza un conjunto de datos con el objetivo de efectivamente describir, ¿no?
29:34
Speaker A
Para describir un conjunto de datos usa diferentes herramientas como las medidas de resumen. Por ejemplo, acá están los promedios, las varianzas, tablas de frecuencia y los gráficos estadísticos, ¿no? Entonces, estas son las tres herramientas más usadas de la
29:55
Speaker A
estadística descriptiva para describir un conjunto de datos. Eso es lo que hace la estadística de describir un conjunto de datos. Y acá habíamos discutido la sesión anterior, ¿no? Profesor, pero ¿cómo hago con?
30:15
Speaker A
O sea, que la estadística descriptiva describe, pero para ello necesitas datos totales, ¿no? Es decir, poblacional.
30:24
Speaker A
La estadística descriptiva trabaja muy bien sobre datos totales, por ejemplo, datos de de una empresa, ya cualquier cualquier tipo de empresa, no sea un colegio, un hospital, toda esa planilla de trabajar una empresa son los datos totales, ¿no? Entonces yo fácilmente
30:43
Speaker A
puedo describir ese conjunto de datos con algunas estadísticas. Si tengo un una empresa con 10,000 trabajadores y calculo el promedio de edad de los trabajadores y me sale 40 años, entonces yo puedo decir que en promedio los trabajadores de esta empresa tienen
31:00
Speaker A
40 años, ¿no? Es decir, los 12,000 registros lo he resumido en un solo valor, lo he describido o lo he caracterizado de una mejor manera. No, lo mismo puedo decir, ¿no? Quizás los hombres representan el 80% ¿no?
31:20
Speaker A
Y las mujeres me representan el 20%. ¿Por qué puedo decir eso? Porque tengo toda la planilla.
31:31
Speaker A
¿Se dan cuenta? Pero, ¿qué pasa si tengo una muestra? Una muestra generalmente es un subconjunto hablando de muestra aleatoria, ¿no? De ahora en adelante cuando se habla de muestra se habla de una muestra probabilística, ¿no?
31:44
Speaker A
Una muestra probabilística, pues es una es un subconjunto aleatorio de la muestra de la población, ¿no?
31:52
Speaker A
Entonces, por ende, lo descriptivo no podría aplicar una muestra porque no tengo toda la información. Entonces, a partir de una muestra, lo único que se puede hacer son inferencias.
32:05
Speaker A
Y acá hemos tenido un poco de discusión con su compañera, ¿no? Con sus compañeros también. Y decía, "Profesor, pero es muy ambiguo el concepto de muestra." Cuando defines muy bien para qué quieres hacer una muestra y delimitas también tu
32:21
Speaker A
investigación, ya es mucho más entendible el concepto de muestra, ¿no? Entonces, uno toma una muestra en primer lugar, ¿para qué?
32:32
Speaker A
para corroborar algo que tú vas a o vas a plantear, ¿no? Por ejemplo, una hipótesis.
32:38
Speaker A
Entonces, una hipótesis a lo más tú puedes corroborarlo tomando una muestra. Entonces, tu muestra te dirá si efectivamente es es válido o no lo que tú has afirmado, ¿no?
32:50
Speaker A
Pero la estadística descriptiva solo se centra en datos totales. Eso hay que tener en cuenta, ¿no?
32:59
Speaker A
Eso es la principal diferencia. Por eso hay una un concepto muy interesante ¿no? Todo lo que tú puedes calcular dentro de la población se conoce como parámetros y todo lo que puedes calcular dentro de una muestra se conoce como
33:21
Speaker A
estimadores ¿no? Eso es lo que vamos a tener en cuenta. Muy bien, dicho eso, pasemos a la siguiente parte.
33:36
Speaker A
¿Por qué voy a tener que explicar un poco de las variables estadísticas? Porque acá cometen muchos errores, pero antes hay que hablar que es una variable estadística, ¿no?
33:51
Speaker A
Todo lo que nosotros, edad, por ejemplo, sexo, talla, peso, estado civil, ingreso, todo eso son variables, ¿no?
33:58
Speaker A
Pero esas variables son características de algo, ¿no? Por eso se dice que una variable estadística es el conjunto de valores que puede tomar cierta característica de la población sobre la que se realiza un estudio.
34:18
Speaker A
Es decir, todo lo que puedes medir sobre algún elemento es una variable estadística. Por el momento lo vamos a llamar variable estadística. ya más adelante se convierte en variable aleatoria, ¿no?
34:35
Speaker A
Claro. ¿Por qué es aleatorio? Porque mientras no recojas no sabes qué valor puede asumir, ¿no?
34:42
Speaker A
Por el momento, variables estadísticas. Muy bien. Las variables estadísticas se definen en dos, muchachos, dos grupos muy importantes. Las variables cualitativas o también categóricas y las variables cuantitativas o numéricas.
34:58
Speaker A
Por ejemplo, la variable sexo, hombre y mujer, es una variable cualitativa. La variable edad es una variable numérica, ¿no? Ahí no hay problema porque es superfácil de identificar entre una variable u otro, ¿no?
35:16
Speaker A
¿Dónde viene la complicación? Cuando ya se ve los tipos de numérica, ¿no? Por ejemplo, la variable numérica hay dos tipos, discreta y continua. ¿Cuándo es una variable numérica? Es discreta.
35:34
Speaker A
Cuando es un conteo, cuando son cantidades enteras. ¿Cuándo es continua? Cuando son productos de una medición, muchachos.
35:46
Speaker A
A ver, yo les voy a decir un ejemplo y ustedes van a decir qué tipo de variable. Ya.
35:52
Speaker A
Eh, temperatura en grados Celsius, ¿qué tipo de variable es? Continua. Medición. Muy bien. Es continua, ¿no? ¿Por qué no puede ser conteo?
36:08
Speaker A
10 gr, 5 gr, 20 gr cel, 30 gr cel decimales y claro puede haber 20.5 gr cel.
36:19
Speaker A
Entonces es un y aparte la temperatura pues se mide, es producto de una medición, obviamente es una numérica continua, ¿no?
36:28
Speaker A
Muy bien. El salario de un trabajador, ¿qué tipo de variable es? Eh, también continua numérica continua. Muy bien.
36:40
Speaker A
Y acá les voy a agarrar la edad de una persona. ¿Qué tipo de variable es?
36:47
Speaker A
Discreta. A ver, ¿quién más dice discreta? Discreta. Continua. Yo creo que es continua, profesor.
36:57
Speaker A
Muy bien. Porque de alguna manera le das una medición. Muy bien, ya. Muy bien. Acá vamos a tener mucho cuidado.
37:09
Speaker A
Si te dicen así, a secas edad de una persona, efectivamente es continuo. Efectivamente es una medición. Y aparte si actualmente tú tienes 30 años, no es que tienes 30 años exactos, tienes días, no meses, semanas, días, horas, minutos,
37:30
Speaker A
es es decir, no es exacto, no es eso es imposible por esa naturaleza es una variable numérica continua.
37:40
Speaker A
Okay. Pero, ¿por qué muchos eh académicos entran en debate? Porque como dice año, ¿cuántos años tiene? 30. Ah, es una cantidad entera.
37:52
Speaker A
Pero eso es falso. Por ejemplo, si ustedes entran a una calculadora de de cálculo de edad en Google, le ponen su año de nacimiento, día, mes y año, ahí les va a decir exactamente cuántos años, meses, semanas, horas y minutos tienen.
38:11
Speaker A
Es decir, no es una cantidad entera. Efectivamente, ¿cuándo la edad viene a ser una una variable discreta?
38:18
Speaker A
Seguramente ustedes han visto algunas encuestas que realizan y dice edad en años cumplidos. Ahí es discreto.
38:27
Speaker A
Mucho cuidado ahí. Eso es el pequeño detalle que hay que tener en cuenta. Ya, maestro, adelante.
38:36
Speaker A
Sí justamente el día de ayer eh se ocurrió un debate en relación a ese mismo tema, ¿ya? Y yo sugerí porque al entender que si solicitamos la edad como tal vamos a tener muchos problemas, por lo cual momento de mi
38:59
Speaker A
argumento, yo preferí utilizar eh las fechas porque establecimiento sí se dan ocasiones, por ejemplo, en la salud y más también en el aspecto epidemiológico y neonatales que se quiere que se quiere eh estimar o saber y conocer la la
39:25
Speaker A
eh podemos decir los niños, niñas nacidos vivos y nacidos muertos que duran a veces horas que nacieron y fallecieron, ¿verdad? Y y en ocasiones a veces la captura de la información es un poquito sesgada porque a veces ponen uno
39:46
Speaker A
en en la variable edad, pero no catalogan de que ese uno equivale quizás a una hora, a un año, eh bueno, a un día. ¿Me doy a entender? Por lo tanto, al momento de de yo hacer el el hicimos
40:03
Speaker A
inclusive el experimento cuando estuvimos diciendo si capturamos la información de fecha, ahí sí le decía que lo único que tenía que agregar era una variable adicional que indicara el tipo de de datos que estoy recogiendo.
40:21
Speaker A
Por ejemplo, si pasaba de 24 meses en fecha, ¿verdad? iba a corresponder año si pasaba e si era menor de de 2 meses de 12 meses y mayor que un mes eh iba a ser entonces meses. iba a ser
40:41
Speaker A
así sucesivamente para no alargar el coso, el la experiencia y eso a veces se convierte en una situación, no sé a quién le ha pasado acá, que cuando uno está recogiendo esa información y en especial edad, pues solemos utilizar o
40:59
Speaker A
recoger el dato de la edad como tal y no la fecha. Claro, es verdad. Sobre todo en salud es un tema delicado, ¿no? Es es verdad.
41:09
Speaker A
Claro, porque si tú pones años, los que tienen 6 meses, 7 meses, 8 meses, prácticamente tienen cero, ¿no? Y eso es falso.
41:17
Speaker A
Es correcto. Sí, exactamente, justamente por eso, porque no se podía medir de manera como recogerse. Exactamente. Así es.
41:26
Speaker A
Sí, es verdad. Eso va a depender pues de ya pues del rubro, ¿no? Si son sistema de salud, sí. La los meses o la edad de meses es muy importante.
41:36
Speaker A
Es verdad. Muy bien, gran aporte. Ah, ya. Muy bien. Entonces, otro ejemplo para las variables numéricas para ya pasar las categóricas. Ya. Eh, eh, a ver, número de accidentes de tránsito, ¿qué tipo de variable es?
41:58
Speaker A
Continua, discreta. Discreta. Perdón. Discreta. Muy bien. Continua. Nadie puede tener 1.5. 1.5 quise decir discreta.
42:11
Speaker A
Número de hijos, ¿qué tipo de variable? Discreta también. Muy bien. Entonces esa es la manera de identificar entre un tipo de variable numérica discreta y numérica continua, ¿no? Pero acá los agarro.
42:28
Speaker A
Todos tenemos nuestro número de documento personal, ¿no? Por ejemplo, el mío es este. Muy bien. Pregunta del millón. ¿Qué tipo de variable es el número de documento personal?
42:50
Speaker A
Profesor, yo creo que es continua porque primero no se trata de una medición, es una sucesión de personas, la persona uno, la persona dos, la persona tres. Y en segundo eh y en segundo término, bueno, solamente hay que definir el
43:14
Speaker A
conjunto de números, ¿no? un número entero. Es una car No, tú no eres tú no eres el ciudadano.
43:22
Speaker A
4,6899,900 45,5, ¿no? O coma cu. Ya. ¿Alguien más que quiere opinar? Pero es una categórica ordinal, o sea, da una categoría y además de eso da un orden.
43:39
Speaker A
Ya. Ya. Muy bien, muy bien, Alejo. Muy bien. Pero es una, no es una ordinal, es una nominal.
43:46
Speaker A
Ahorita les voy a explicar por qué. Exacto. Muy bien. Pero pero esa ordinal no te está dando un orden dentro del nacimiento de una población. Entonces, por eso no lo dije nominal, pero porque te está dando un orden de nacimiento, el orden que van
44:00
Speaker A
naciendo, ¿no? Pues no sé. Ya, muy buena, muy buen aporte. Ya lo vamos a discutir más adelante. Primero vamos a explicar esto. Ya, ya las numéricas quedó claro, no hay problema.
44:11
Speaker A
Ahora hablemos de las categóricas. Dentro de las categóricas tenemos ordinal y nominal, muchachos. Una categórica nominal es cuando no existe jerarquía entre sus niveles.
44:33
Speaker A
Por ejemplo, sexo hombre y mujer. El hombre es más que la mujer o la mujer más que el hombre.
44:41
Speaker A
Hay un hay una jerarquía ahí. No tiene nada que ver. No hay diferencia. ¿Se dan cuenta?
44:51
Speaker A
Si te digo estado civil, soltero, casado, vivo, divorciado, hay jerarquía en sus niveles. El soltero es más que el casado o que el viudo.
45:04
Speaker A
Obviamente el soltero es más feliz, ¿no? Pero eso no tiene nada que ver, pero no es una jerarquía.
45:09
Speaker A
Y económicamente, no. hablemos como definición formal, no hay una jerarquía, una superioridad. O sea, que una cuando hablo jerarquía, que sea una jerarquía natural. Ah, claro, uno dice, "El casado gasta más o el soltero más feliz, pero eso es
45:31
Speaker A
subjetivo. Tiene que ser una jerarquía natural." Y efectivamente en estado civil no hay jerarquía dentro de su nivel, en sexo tampoco.
45:42
Speaker A
Entonces cuando ustedes encuentren variables categóricas nominales y no haya jerarquía en sus niveles, bueno, categóricas que no haya jerarquía en sus niveles, es una nominal, así de simple.
45:55
Speaker A
Pero en las variables ordinales sí existe jerarquía, muchachos. Por ejemplo, nivel educativo de la persona sin estudios, con estudios básicos, técnicos y superiores.
46:16
Speaker A
Obviamente la persona que tiene estudios superiores tiene es mejor que una persona sin estudios desde un punto de vista académico.
46:26
Speaker A
Lo hay, ¿no? Es es hay un orden, hay una jerarquía ¿no? Otro ejemplo de ordinal, nivel socioeconómico del hogar, A, B, C, D, E.
46:38
Speaker A
Los hogares AB son los que tienen mejores condiciones económicas, ¿no? En función a los hogares de que son los más pobres.
46:47
Speaker A
Pero es una jerarquía basado en ingreso, es algo natural de los hogares. Otro donde ven siempre eh los ordinales en las variables escala de ler, ¿no?
47:01
Speaker A
Por ejemplo, te dicen lo siguiente. ¿Qué le pareció el servicio brindado? Malo, regular, bueno, excelente. ¿Hay una jerarquía natural? Sí.
47:13
Speaker A
Si yo pongo, si yo pongo excelente y a ponerle pésimo, obviamente hay una jerarquía, hay un orden.
47:22
Speaker A
Entonces, cuando ustedes observen esa jerarquía natural, se dice que es una variable categórica ordinal, ¿no?
47:30
Speaker A
Así de simple, muchachos. Ahora, ya que explicamos eso, vuelve la pregunta, ¿no? ¿Qué tipo de variable es esto?
47:42
Speaker A
número de documento de una persona. No es numérica, obviamente es categórica. Ahora, ordinar o nominal, su compañero Alejo dice, "Profesor, es ordinal porque hay un una secuencia de nacimiento." Eso no puede ser jerarquía, muchachos, porque que yo haya nacido un año, un año
48:03
Speaker A
antes, un año después, no implica que yo sea mejor o que que uno. No, eso no tiene nada que ver.
48:09
Speaker A
La jerarquía es algo natural que se da, profe. Pero si vemos en el sentido evolutivo y ahorita que estamos hablando en sistemas de salud, cuando vamos a comparar el nacimiento en función de la evolución de la medicina y va a ser el
48:22
Speaker A
objeto de la hipótesis, entonces sí sería jerárquico, sería ordinar porque los individuos que nacen con un documento, un número más antiguo, tendrán menos chances de poder tener mejor calidad de vida de aquellos que nacen en tiempo o en función del tiempo
48:37
Speaker A
más temprano. Correcto. Pero ahí tú estás direccionando la variable para algo específico, ¿no? No es una definición general.
48:46
Speaker A
Ah okay perfecto. Naturaleza la variable. Exacto. Las variables tienen su propia naturaleza. Entonces, yo no puedo cambiar del tipo de variable según la aplicación que yo le dé. No, eso no existe.
49:01
Speaker A
Así como la temperatura numérica continua, siempre va a ser continua, no es que porque yo le apliqué y me salió en un instrumento y me salió solo valores enteros, ah, es discreto. No, no es así, ¿no? Porque la variable de
49:14
Speaker A
temperatura como tal, su naturaleza es numérica continua producto de una medición. Hay que tener cuidado esa parte.
49:24
Speaker A
Entonces, en este caso, la el número de documento es categórica nominal. ¿Por qué? Porque este número solo permite identificar a la persona.
49:35
Speaker A
Es una identificación. Es como los androides, ¿no? Por ejemplo, los que han visto Dragon Ball Z, Android 17, Android 18, es una identificación nada más.
49:46
Speaker A
No quiere decir, pues que el 18 es mayor que el 17. ¿Por qué? Porque es una identificación nada más. Igual no todos tenemos nuestro número de identificación, nada más. Se puede hacer operaciones con con ellos, no se puede hacer. Tú no puedes sumar
50:02
Speaker A
número de documentos, tú no puedes tomar promedios, no se puede. Dan cuenta entonces, ¿qué sucede en los trabajos que dejaron los chicos la universidad? y les compartió una base de datos de personas, estudiantes y como vieron que la variable estaba
50:21
Speaker A
conformada por números, ellos pensaron que la variable era una variable numérica y le calcularon el promedio y encima lo interpretaron. Muchachos, acá viene el error, muchachos.
50:40
Speaker A
No piensen que porque una variable esté conformada de números, no piense que siempre va a ser una variable numérica. Eso es falso.
50:50
Speaker A
No tiene nada que ver eso. Entonces hay que fijarnos en qué cosa es esa variable, ¿no? En este caso, el número de documento solo identifica la persona nada más. Por ende, es una categórica nominal.
51:09
Speaker A
Igual pues el RUC de la empresa, algo así, Anthony, ¿no? Anthony hace un ejemplo interesante, ¿no? Saca el promeo al número de historia clínica. No tiene sentido, maestro. Adelante.
51:24
Speaker A
De hecho, eh yo le digo a mis estudiantes justamente por esos casos, porque son hasta hasta en evaluaciones técnicas eh pueden quemar a a una persona con con ese tipo de de variable y es que independientemente de que sea
51:41
Speaker A
adherida a valores numéricos, no implique que sea completamente numérica. Me explico, dentro del sistema de la computación existen y sé que eso quizás lo hayan hablado más adelante eh sobre los caracteres y en las primeras clases usted lo mencioné, lo mencionó.
52:00
Speaker A
Esta variable es una variable tipo carácter numérica, porque lo que no se vaya a hacer cálculo con él tiene que comportarse como caracter, o sea, como como un stream, ¿verdad? e en ese sentido para evitar justamente esa sobrecarga si estamos eh
52:21
Speaker A
almacenando información en una base de datos, si lo estamos trabajando un Excel, inclusive eh están así que hay series de documentos que comienzan con 00 y evidentemente eh en ninguna en ninguna en ningún motor de base de datos
52:40
Speaker A
o plataforma como Excel va a tomar el valor cero en las iniciales de los números porque lo va a eliminar. Por lo tanto, eh, para que esto se sostenga, para que esto pueda estar, tiene que comportarse como un stream o un
52:55
Speaker A
carácter. Excelente. Muy bien. Has dado un enfoque propio de tu carrera netamente informático. Muy bien. Efectivamente, ¿no? Claro, esto tipo de problemas surge cuando a veces te comparte un Excel, importas como los dígitos no se exportaron debidamente, entonces el R lo
53:14
Speaker A
reconoce como numérico, ¿no? Y ahí viene el problema. Entonces haces un summary y calcula el promeo.
53:22
Speaker A
Por eso siempre hay que fijarnos qué significa cada variable, si no vamos a cometer esos errores.
53:31
Speaker A
Muy bien, muy bien. Excelente aporte. A ver, ya con eso yo creo que quedó claro.
53:39
Speaker A
Muy bien, ahora sí seguimos. Ya. Entonces, ¿por qué es importante elegir esto? ¿No? o de saber el tipo de variable, porque en función al tipo de variable, yo puedo usar gráficos especializados y medidas de resumen especializado, ¿no?
54:00
Speaker A
Eso es importante. Si no, voy a aplicar pues la media al número de documentos porque pienso que es variable numérica.
54:08
Speaker A
Entonces muy importante identificar el tipo de variable. A ver, vamos. Hablemos de la medida de tendencia central.
54:20
Speaker A
Dentro de la medida de tendencia central, muchachos, tenemos tres medidas de tendencia central. La media, la mediana y la moda. Seguramente han escuchado ustedes. El más usado es la media, ¿no? El famoso promedio aritmético.
54:38
Speaker A
La media es un valor central que se calcula de la siguiente manera. La suma de los datos entra la cantidad de los datos, ¿no? Valor sencillo.
54:51
Speaker A
¿Cuándo se recomienda usar la media? Se dice que cuando no existe valores extremos. ¿Qué sucede? No, por ejemplo, supongamos la edad de los 15 estudiantes que estamos acá, supongamos, ¿no? Sea 30, 35 25 y así 28.
55:13
Speaker A
Supongamos que el promedio de esto nos sale 30 años, supongamos, ¿no? Como todos están muy parecidos, son valores muy próximos, muy cercanos, no hay valores extremos.
55:28
Speaker A
Entonces, la media se comporta como un buen una buena medida de resumen, ¿no? Pero, ¿qué pasaría si por acá te incorpora una persona pues de 80 años? Supongamos, ¿no?
55:45
Speaker A
El promedio ya no va a ser 30 años, ¿no? ¿Cuánto va a ser? Por lo menos ese lo va a jalar a a pon 50.
55:55
Speaker A
Entonces, ¿cuál es el problema de la media que es muy sensible a valores extremos muchachos?
56:01
Speaker A
va hasta que haya un valor extremo, ya sea hacia arriba, o hacia abajo, lo jala hacia hacia ese hacia ese valor, ¿no? Es decir, este promedio ya no sería un promedio pues eh eh tan exacto, ¿no? Sería estaría
56:16
Speaker A
sesgado por ese valor extremo, ¿no? Entonces, las medias es una muy buena medida de resumen o una muy buena medida de tendencia central o centralización también como se le conoce, solo si que tus datos no tienen presencia de valores
56:31
Speaker A
externos. Eso es en la media es muy bueno. Por eso existe el promedio de de edad, salario promedio, promedio ponderado. ¿Por qué? Porque generalmente en un aula las notas están muy parecidas, ¿no? Y aparte no hay mucha fluctuación de 0 a 20 o de 0 a 10
56:53
Speaker A
dependiendo del país, ¿no? Acá en Perú se evalió de 0 a 20, entonces no hay mucha fluctuación, ¿no?
57:01
Speaker A
Entonces hay que tener cuidado en qué momento usar la media. Ya. El otro medida de tendencia central es la mediana.
57:11
Speaker A
La mediana ya es mucho más robusta. No se deja influenciar por valores extremos. ¿Por qué? Porque la mediana internamente ordena de menor a mayor.
57:27
Speaker A
De menor a mayor. Y al ordenar lo que hace la mediana es encontrar el punto medio, es decir, aquel punto que separa el 50% hacia arriba de datos y el 50% hacia abajo.
57:43
Speaker A
Entonces, de esa manera se evita de estar esa medida estar sesgado por ese valor extremo. nuevo no le afecta para nada los valores externos.
57:54
Speaker A
Eso es lo interesante, ¿no? Cosa que la media no hace eso, ¿no? Esto es la famosa mediana.
58:04
Speaker A
Entonces, si ustedes tienen un conjunto de datos en el cual observan valores extremos, ya sea hacia arriba o hacia abajo o valores muy grandes o valores muy pequeños, entonces la mediana sería ideal.
58:16
Speaker A
¿Por qué? porque no se deja influenciar por esos valores. Tanto la media y la mediana, muchachos, es útil para resumir variables numéricas, ya sea continuas o discretas.
58:29
Speaker A
Muy bien. La otra medida de tendencia central es la moda, muchachos. la moda. Bueno, ustedes han escuchado esa palabra en el día a día, ¿no? Por ejemplo, ustedes van a un centro comercial y se quieren comprar una zapatilla y
58:46
Speaker A
dicen, "Esa zapatilla está de moda. Ese artista está de moda. Esa palabra moda ha sido robada de la estadística muchachos.
59:00
Speaker A
Ya hace muchos años que la variable moda, la palabra moda, es una medida de tendencia central.
59:07
Speaker A
¿Qué significa la moda o qué es la moda? La moda es el valor más repetido en un conjunto de datos.
59:14
Speaker A
Cuando esto se plasma al parte a la parte de negocio, una zapatilla de que está de moda es el es el es la zapatilla más vendida en ese año, ¿no? Y es lo mismo, muchachos.
59:26
Speaker A
El caso de la estadística, la moda es el valor más repetido de un conjunto de ¿Para qué se usa la moda? Se puede usar para variables numéricas o para variables categóricas.
59:40
Speaker A
Más utilidad tiene en las variables categóricas. Entonces, de esa manera puedes saber cuál es el valor que más se refleja, ¿no? Entonces, la moda es sencilla.
59:52
Speaker A
Muy bien. Estas son las tres medidas de tendencia central. Y ustedes pueden usar dependiendo de de qué variables tienen y el comportamiento de sus variables, ¿no? Eso es.
60:07
Speaker A
Entonces no es usar por usar cualquier, hay una mala costumbre de usar siempre la medio o el promedio. Siempre hay una mala costumbre.
60:17
Speaker A
Si tus datos no tienen valores extremos, es el mejor candidato. Si tienes valores extremos, la media.
60:25
Speaker A
Si tiene para las variables categóricas, la moda es lo mejor. Por eso ustedes escuchan, ¿no? Edad promedio, peso promedio, talla promedia, salario promedio, nota promedio. ¿Por qué? Porque es lo común, la medida de tendencia estar más común, más usada, pero no es el único,
60:45
Speaker A
muchachos. Existen tres, tres importantes, ¿no? Porque hay autores que hablan de una media armónica, una media geométrica, pero una media truncada, pero ya eso es otra cosa. Siento que no es necesario irse tan al extremo, ¿no?
61:02
Speaker A
Porque esas herramientas no se usan mucho. Muy bien. Pero estos tres son los más usados ¿no?
61:12
Speaker A
Ahora hablemos de las medidas de posición y esto es un un tema muy importante muchachos.
61:18
Speaker A
Seguramente ustedes han escuchado esas convocatorias para practicantes que hacen las empresas, ¿no? Por ejemplo, así dicen las publicaciones de las empresas de que capturan practicantes. No se solicita practicantes de los últimos siglos que pertenecen al décimo superior.
61:41
Speaker A
¿Qué quiere decir eso, muchachos? En términos prácticos, ¿qué quiere decir eso? ¿Alguna vez se han preguntado eso?
61:54
Speaker A
¿Alguien alguna duda? ¿Alguien que se haya preguntado eso? Quinto superior, décimo superior, tercero superior. ¿Qué quiere decir?
62:13
Speaker A
¿Ecu escuchado en algún momento no? cuando hacen convocatorias de traficantes. Nadie escuchó. Muy bien.
62:22
Speaker A
A ver, vamos a ver. Por ejemplo, es algo así, ¿no? Supongamos que todo esto sean mis las notas de mis estudiantes, ¿no? Que van del 0 al 20.
62:37
Speaker A
Si yo divido a todos mis datos en quinto superior, hablemos del quinto superior, en cinco pedacitos.
62:47
Speaker A
Cada pedacito, todos mis datos vale un 100%, ¿no? Cada pedacito va a valer 90 20% ¿no?
62:53
Speaker A
20%. Ahí está 20%. Esto es un tema interesante, pero nadie le da tanta importancia, ¿no? Miren, si me preguntan cuál es el quinto por el quinto superior, sería esto de acá, ¿no?
63:15
Speaker A
Entonces todos aquellos estudiantes cuyas notas se encuentren en este rango pertenecen al quinto superior, ¿no?
63:23
Speaker A
La pregunta es, ¿a partir de qué nota, a partir de qué nota un estudiante se considera que pertenece al quinto superior? No, esto es una medida de posición. Este puntito, la medida de posición es el percentil 80.
63:46
Speaker A
Si ustedes calculan, le sale 18 y dice, "Ah, todos aquellos practicantes o estudiantes que tienen 18 a más pertenecen al quinto, al quinto superior, ¿no?
64:01
Speaker A
A eso se refiere. Eso, ese 18 es una medida de de posición porque ese 18 lo que ha logrado es separar al 20% top de estudiantes que están hacia arriba y un 80% de estudiantes hacia abajo. Es una medida
64:18
Speaker A
de posición, muchacho. Lo mismo puedes calcular cuáles son los estudiantes más flojos, ¿no? el 20% inferior.
64:31
Speaker A
Por eso muchas medidas de posición se usan para capacitaciones, ¿no? Por ejemplo, una empresa para capacitar, ¿dónde se va a enfocar? en los en los trabajadores más eficientes, no no se enfocaría acá, no se enfocaría en este caso en los estudiantes que
64:49
Speaker A
tienen bajo rendimiento, ¿no? Entonces, las medidas de posición es una herramienta muy importante, muchachos.
64:58
Speaker A
En general se conoce como percentiles, muchachos. Todos estos medidas de posición que se pueden crear dentro de ese conjunto de datos son percentiles, así se le conoce en general.
65:14
Speaker A
Entonces, el presentir es una medida de posición, que básicamente es dividir un conjunto de datos en ciertas partes específicas, ¿no? Si le divido entre cinco, quintiles, si divido entre cuatro, cuartiles, si le divido entre 10, deciles. En general,
65:34
Speaker A
percentiles, ¿no? Así se le conoce. Y esto es la fórmula de cálculo que se hace de los de los percentiles, pero no viene al caso porque el R lo calcula de manera automática, ¿no? Es un cálculo simple, no es nada complicado,
65:50
Speaker A
pero para mí más importante es que se entienda qué es una medida positiva. Entonces, ya saben eso, ¿no?
66:00
Speaker A
Muy bien. Los cuartiles, ya les comenté, es cuando divides tu conjunto de datos en cuatro partes, ¿no? Por ejemplo, antes vamos a hacer un poco de de teoría. Las medidas de posición permiten conocer puntos característicos de una serie de valores.
66:24
Speaker A
Efectivamente, ¿no? Posiciones que quisieras tú conocer, ¿no? Quinto superior, tercio superior, décimo superior o quinto inferior también.
66:38
Speaker A
Los cuartiles es cuando a tu conjunto de datos lo divides en cuatro partes. Por ende, cada pedacito vale el 25%, ¿no?
66:53
Speaker A
Por eso se llama cuartiles, ¿no? Acá está el cuartil uno, el cuartil y el cuartil 3, ¿no? Ahí está.
67:09
Speaker A
Muy bien, eso es. Entonces, la medida de exposición es pequeño el tema, ¿no? No hay muchas cosas por ver.
67:23
Speaker A
Ahora pasemos a las medidas de dispersión. Acá ya es interesante el tema, ¿no? Imaginemos dos figuras interesantes. A ver, vamos a ver.
67:44
Speaker A
Acá está un conjunto de puntos y por acá hay otro punto. Entonces, si les pregunto, ¿dónde hay más dispersión? en la figura uno o la figura dos.
68:08
Speaker A
Todo el mundo me va a decir la figura dos, ¿no? ¿Por qué? Porque los puntos están más alejados.
68:16
Speaker A
Sin embargo, en la figura uno, los puntos están más juntos. Ah, es decir, la figura dos es más disperso y la figura uno es menos disperso.
68:25
Speaker A
Que es lo mismo decir que la figura dos tiene más varianza y la figura uno tiene menor varianza.
68:31
Speaker A
Eso es las medidas de dispersión, muchachos. Pero, ¿de qué depende que una observación esté separada?
68:41
Speaker A
Es que ellos fijan un centroide. Generalmente es la media. Si las distancias del centroide a las observaciones son grandes, implica que la varianza es grande. Si la distancia del centroide, las obserciones son pequeñas, significa que la varianza es pequeña,
69:04
Speaker A
¿no? Eso es la idea intuitiva de varianza muchachos. hay en la varianza muestral, que por cierto se calcula de esta manera ¿no?
69:19
Speaker A
Esta diferencia de las observaciones respecto a la media es la famosa distancia. La suma de la distensa al cuadrado entre n - 1 te da la varianza muestral.
69:31
Speaker A
Por eso se dice que la varianza, muchachos, mide la dispersión de los datos de una muestra respecto a la media, ¿no?
69:40
Speaker A
Claro. ¿Qué tanto se aleja mis observaciones respecto a mi media? ¿Dónde la media hace el símil de un centroide? ¿No?
69:50
Speaker A
Entonces, si esas distancias son grandes, la variencia es grande, ¿no? Si las distancias son pequeñas, la varianza es pequeña.
69:57
Speaker A
La raíz cuadrada de la varianza muestral es la famosa desviación típica o también conocida como la desviación estándar, muchachos.
70:06
Speaker A
Y no es más que la raíz cuadrada de la variante, ¿no? Ahí está. Son dos medidas de varianza de dispersión muy usadas, varianza dissión.
70:20
Speaker A
¿Cuál se usa más? ¿La desgresión típica o la desvesión estándar? ¿No? ¿Por qué? Porque es una magnitud más pequeña y ya no tiene una unidad al cuadrado.
70:32
Speaker A
Pero, ¿qué qué problema generaba estas dos estas dos medidas de dispersión? Lo siguiente, imaginemos algo. Acá tengo la variable edad y por acá tengo la variable peso. Edad en años, peso en kilogramos, ¿no?
70:53
Speaker A
Supongamos para 10 personas he calculado la varianza de la edad y me sale pues que la varianza vale 10.5 supongamos.
71:07
Speaker A
y la varianza del peso me sale 18.6. Entonces, ¿qué sucedía? Si yo les pregunto, ¿qué variable tiene mayor varianza o qué variables es tiene más dispersión?
71:25
Speaker A
Obviamente ustedes me van a decir 18.6 peso, ¿no? La variable peso. ¿Por qué? porque tiene varianza más grande, ¿no?
71:35
Speaker A
Esto es más grande que el de acá, ¿no? Pero eso es un grave error, muchachos.
71:45
Speaker A
¿Por qué? Porque estás comparando variables con diferentes unidades de medida. Si tú vas a usar la varianza para comparar disperiones, tienen que ser variables de la misma naturaleza.
72:02
Speaker A
Si no, no se podría comparar. Estás mezclando cosas, no tiene sentido. No puedes comparar años con kilogramos.
72:09
Speaker A
Eso no se puede. No existe manera. Entonces esto te puede llevar a tomar decisiones equivocadas.
72:18
Speaker A
Para evitarnos ese problema, necesitamos definir una nueva medida de inspersión llamado el coeficiente de de variación.
72:27
Speaker A
El coeficiente de variación es una medida adimensional, muchachos. No tiene unidad de medida. ¿Cómo se calcula? Como la deviación estándar entre la media por un 100%.
72:43
Speaker A
Si en el 100% toma valores de 0 a 1, cuanto más cercano a uno quiere decir más disperso. Cuanto más cercano a cero es menos disperso.
72:53
Speaker A
Por ende, si acá el coeficiente de variación me sale 0.85 y acá el coeficiente de variación me sale 0.6, entonces yo voy a decir que la variable peso tiene menor dispersión.
73:10
Speaker A
o es más homogénea, en otras palabras, que la variable de dat. El coeficiente de variación sí me permite comparar variables de diferentes naturalezas porque este indicador, el CB o coeficiente de variación es adimensional, muchachos. no tiene unidad de medio.
73:32
Speaker A
Entonces, hay que tener mucho cuidado en comparar las disperones de variables. Ya. Si si vemos que las variables tienen diferentes unidades medidas de frente coeficiente de variación es lo mejor.
73:46
Speaker A
Si no, vamos a tomar decisiones equivocadas muchachos. Muy bien, muy bien. Seguimos. Luego existen las medidas de forma, muchachos.
74:07
Speaker A
Seguramente ustedes han escuchado de simétricas asimétricas ¿no? A ver, vamos a ver la famosa campana de G, ¿no? La distribución normal.
74:20
Speaker A
La distribución normal es una distribución simétrica, muchachas. Cualquier otra distribución diferente a la normal es asimétrica.
74:35
Speaker A
Así de ¿Por qué la normal es simétrica? Porque si tú lo cortas, bueno, no me sale muy bien el gráfico, por la mitad, es como un reflejo perfecto, ¿no? Como un espejo, ¿no?
74:48
Speaker A
Claro, me ha salido mal el gráfico, pero en sí es simétrico. Sin embargo, si tú graficas, por ejemplo, otra distribución, esto para nada es simétrico, no tiene sentido. No, no tiene sentido comparar.
75:08
Speaker A
son distribuciones asimétricas, ¿no? Entonces, eso es la idea intuitiva de de asimetría, ¿no? Entonces, las medidas de forma, asimetría, por ejemplo, la simetría es la medida que indica la simetría de la distribución de una variable respecto a su media aritmética.
75:29
Speaker A
Efectivamente, en la distribución normal, muchachos, la media y la mediana y la moda son iguales.
75:44
Speaker A
Eso se demuestra matemáticamente, ¿no? Entonces, cualquier otra distribución sumedia se desplaza, ¿no? Mira, respecto al a la normal se ha desplazado ¿no?
76:02
Speaker A
Por eso se dice, ¿no? La simetría es la medida de la simetría de la distribución de una variable respecto a la media aritmética, ¿no? Es el desplazamiento que se observa respecto a su media aritmética.
76:17
Speaker A
Eso es. Entonces, cuando ya tiene una forma muy diferente la normal o la campaña de G, es indicio de asimetría.
76:25
Speaker A
Así de simple. Y vas a tener tres tipos de asimetría. Por ejemplo, una simetría negativa.
76:34
Speaker A
La simetría negativa, muchachos, es, por ejemplo, algo así, ¿no? Cuando tienes una colita a la derecha, una simetría negativa.
76:50
Speaker A
Simétrica es cuando es igual que la distribución normal, donde coincide la media, la media.
76:59
Speaker A
es una distribución simétrica y una simetría positiva es cuando tu gráfico tiene este comportamiento.
77:13
Speaker A
Asimetría positiva y asimetría negativa. Por eso a la simetría negativa le dicen cola a la izquierda, asimetría positiva cola a la derecha. No es una nomenclatura o una forma de dominarlo más práctico.
77:32
Speaker A
Ahora ustedes se preguntarán, "Profesor, ¿y para qué sirve estas estas medidas de forma?" Lo que pasa, cada variable, muchacho, numérica numérica ojo tiene comportamientos especiales, ¿no?
77:47
Speaker A
Por ejemplo, la variable salarios en el Perú, en cualquier país tiene este comportamiento, muchachos.
77:55
Speaker A
Los salarios tienen este comportamiento. Es una log normal. Hay hay muchas personas que ganan poco y hay pocas personas que ganan mucho, ¿no? Es un comportamiento natural de la variable salarios en cada país.
78:19
Speaker A
Entonces, si me preguntan qué tipo de distribución o qué forma tiene esa los salarios, yo diría que es una simetría con eh una simetría positiva, ¿no?
78:32
Speaker A
Entonces, para eso sirve, para identificar la forma de la distribución. Muy bien. Y sobre todo para para enriquer, es decir, para que tu interpretación sea mucho más completa, ¿no? Decir que la distribución es asimétrica positiva.
78:56
Speaker A
Por ende, hay muchas personas que ganan poco y pocas personas que gan que ganan mucho. Es propio de comportamientos asimétricos.
79:07
Speaker A
en especial la simetría positiva. Entonces en tu interpretación es mucho más rica, ¿no? Más completa.
79:17
Speaker A
Eso es lo que acaba de mencionar se observa acá en el gráfico, muchachos. La asimetría negativa, mira, acá debe decir asimetría negativa.
79:27
Speaker A
Cola a la a la a la izquierda, ¿no? Simetría positiva, cola a la derecha.
79:34
Speaker A
Esa es la manera de identificar los tipos de asimetría que existe, ¿no? La simétrica obviamente es cuando coincide con la distribución normal.
79:45
Speaker A
Eso es lo que hay que tener en cuenta. Así como hay que como se puede observar gráficamente, puedes identificar gráficamente que es asimétrico, pero también existe una manera de calcular ese coeficiente de asimetría y se calcula de la siguiente manera.
80:07
Speaker A
Miren, obviamente yo no les pido que se memoricen la fórmula, no tiene sentido, muchachos, pero lo que sí me interesa es cómo van a interpretar.
80:20
Speaker A
Si el R les calcula este coeficiente y es menor a cer, la distribución tiene una simetría negativa.
80:29
Speaker A
Si ese coeficiente te sale igual a cer, la distribución es simétrica. Pero si ese coeficiente te sale mayor a cero muchachos se dice que la distribución tiene una asimetría positiva, ¿no?
80:45
Speaker A
Eso te permite interpretar mejor, darle más más potencia a tu interpretación, ¿no? Más interesante, más completo. Por ser estos conceptos de asimetría le gustan mucho los economistas, ¿no? Ellos como analizan bastantes distribuciones, entonces ellos, por ejemplo, identifican que los salarios tienen una distribución
81:08
Speaker A
asimétrica positiva, el crecimiento poblacional, un montón de cosas, entonces le dan más sentido, ¿no?
81:16
Speaker A
Muy bien. Entonces, ya saben cómo interpretar eh la simetría según la variable. Profesor, adelante.
81:26
Speaker A
Pregunta. Eh, en caso de que realice una operación de normalizarm, entonces debe cumplir que la debe cumplir la que la simetría debe ser igual a cero.
81:41
Speaker A
Si eh no siempre ah va a bajar tu asimetría, sí, pero dudo mucho que llegue a ser.
81:50
Speaker A
Lo que pasa, has hecho un excelente aporte. Miren, por ejemplo, la variable ingresos tiene este comportamiento, ¿no? La variable original.
82:02
Speaker A
Entonces, ¿cuál es esto? Yo lo he visto mucho en los economistas, por cierto, ellos transforman la variable, ¿no? Por ejemplo, le pueden tomar un logaritmo, por ejemplo, o alguna otra transformación, ¿no?
82:18
Speaker A
Lo que buscan ellos es suavizar la curva o entonces algo así, ¿no? Después de la transformación logaritmo, por ejemplo, se puede convertir en algo así, ¿no?
82:31
Speaker A
Un poco más liso. Ya no. Claro, has logrado eh bajar la simetría, es verdad, pero dudo mucho que sea hacer, pero hay que tener mucho cuidado.
82:45
Speaker A
Cuando tú haces la transformación ya es otra variable, ¿no? No es no es tu salario original, ¿no?
82:54
Speaker A
Entonces, hay que tener cuidado eso, ¿no? Algunos estandarizan, algunos normalizan, algunos toman algunas funciones más especiales, ¿no? Ray cuadrada, boxico, un montón de cosas, pero no se logra hacer una distribución simétrica. No, eso no se puede, pero sí lo puedes suavizar como
83:21
Speaker A
muy bien. Otra medida de forma seguramente han escuchado ustedes es la ctosis, muchachos. La ctosis tiene que ver con el grado de apuntamiento.
83:41
Speaker A
La simetría era forma, ¿no? Curtosis también es forma, pero a veces vas a encontrar distribución de esta manera, miren, así bien achatadas o otras así.
84:01
Speaker A
Entonces estos comportamientos pueden decir mucho, muchas cosas, ¿no? Por ejemplo, la segunda curva esta de acá, yo observo que es una es una variable con poca dispersión, ¿no?
84:17
Speaker A
Sin embargo, esta variable es una variable con mucha dispersión. Es un indicio de variabilidad, muchachos.
84:26
Speaker A
¿Se dan cuenta? ¿Qué más puedo decir de la segunda figura? Por ejemplo, menor dispersión.
84:34
Speaker A
Eh, al parecer hay muchas personas que tienen valores muy similares, ¿no? Porque acá hay un algo así como un pico, ¿no?
84:45
Speaker A
En cambio, en el otro, ¿qué puedo decir? En la primera curva puedo decir pues que tengo muchos valores extremos y eso algunos a veces lo truncan, ¿no? Y hacen el análisis solamente con esta parte central.
85:02
Speaker A
Entonces, te puede dar mucha información. Es interesante analizar las formas también eh de lo de las variables, ¿no?
85:12
Speaker A
Curtosis es una forma interesante. Por eso la cortosis, muchachos, mide el apuntamiento, ¿no? Es una medida de forma que mide cuán apuntada o achatada está una curva o distribución y su cálculo es muy parecido a la simetría, ¿no? Si
85:34
Speaker A
la simetría entre tres, por dosis es elevado a la cu, ¿no? Muy bien. Ya sabemos que es cortosis. Grado de apuntamiento o achatamiento de las variables ¿no?
85:51
Speaker A
A ver, su compañera Sandra pregunta, ¿por qué normalizar? No, eh, va a depender de la aplicación, ¿no? Por ejemplo, cuando quieres implementar un modelo para predicción, normalizar, ¿qué te permite? Miren, vamos a responder la duda de su compañero.
86:15
Speaker A
Supongamos que tengo una base de datos, edad talla y peso, supongamos. Vamos a ver una tal.
86:28
Speaker A
una base, pues acá tengo 30 años, 1.85 90 kg y así voy a tener un montón de información.
86:44
Speaker A
Muchos modelos de regresión o otro tipo de modelos para predicción funcionan muy bien con datos normalizados.
86:55
Speaker A
datos normalizados quiere decir que voy a llevar este mismo conjunto de datos a una escala de 0 a un.
87:03
Speaker A
¿Por qué es recomendable llevar a una escala 01? Porque si te das cuenta, en mi base de datos hay variables de diferentes naturaleza. Edad en año, talla centímetro, peso en kilograma.
87:18
Speaker A
Aparte las magnitudes son totalmente diferentes y eso al modelo lo que le genera es mucho ruido, ¿no?
87:27
Speaker A
Entonces dice, "Ecucha, ¿qué es esto?" El el modelo demora en entender toda esa problemática.
87:35
Speaker A
Entonces, ¿cuál es lo ideal? Mejor le doy una data normalizada donde todos mis valores solamente varían de 0 a un.
87:44
Speaker A
Entonces, el modelo al ver esos insumos que todos son uniformes, ya no se demora tanto, ¿no?, en la estimación.
87:51
Speaker A
Entonces, eso es una ventaja de la normalización de los datos. Ojo, la normalización no es que vas a perder información, simplemente lo estás llevando a una escala más pequeña, algo así como un plano, ¿no?
88:09
Speaker A
Ustedes pueden tener un plano de su casa, por ejemplo, grandísimo, ¿no? E esos esos papelotes gigantes o también en un PDF, ¿no? Pequeñito. Es lo mismo, pero está en una escala, ¿no? No quiere decir que son diferentes.
88:24
Speaker A
Ya. Lo mismo es la normalización, muchachos, simplemente la transformación de los datos a una escala más pequeña, nada más.
88:34
Speaker A
Entonces, se hace con la con el objetivo de ser más eficiente el modelo para que no se demore tanto.
88:42
Speaker A
Muy bien. Ya volviendo a nuestro caso, entonces la curtosis se calcula de esta manera, muchachos.
88:51
Speaker A
Esto el R lo va a calcular. Obviamente si ese coeficiente te sale menor a tres, se dice que es platicúrtica o también conocido como achatada o aplastada, como lo quieras llamar.
89:14
Speaker A
Si ese valor sale igual a tres, se dice que la distribución es normal o mesocórica.
89:24
Speaker A
Cuando es igual a tres, coincide con la distribución normal. Si ese coeficiente es mayor a tres, muchachos, se dice que la distribución es leptúrtica o apuntada, ¿no? Que tiene un pico ahí.
89:37
Speaker A
Efectivamente, ese pico es la moda, muchachos, aunque no lo crean, es el valor que más se repite, ¿no?
89:46
Speaker A
Muy bien. Entonces, esa es la manera de cómo interpretar la curtosis, muchachos. Entonces, con el R vamos a obtener ese valor y ya sabemos qué tipo de ctosis es ¿no?
89:58
Speaker A
Y cada curtosis tiene información y justamente lo acabamos de demir, ¿no? Por ejemplo, ¿cómo es la representación gráfica de esas formas? ¿No?
90:08
Speaker A
algo así, ¿no? Acá está leptocúrtica que tiene un apuntamiento mesocúrtica, platicúrtica chatada, ¿no? Acá lo pueden ver mejor.
90:19
Speaker A
En la curva de azul es la curva normal o también conocida como mesocórtica. La curva de verde es la platicúrtica.
90:25
Speaker A
Está achatada, ¿no? Y la roja es la leptocúrtica porque tiene un grado de apuntamiento muy alto.
90:34
Speaker A
¿Qué quiere decir que una varela tenga distribución leptocúrtica? que tiene menor dispersión respecto a los demás, ¿no? ¿Por qué?
90:42
Speaker A
Porque la variación de sus datos, miren de dónde dónde varía su rango de variación es pequeñísimo, hay menos dispersión, por eso la curva es apuntada, menos dispersión y mayor cantidad de valores repetidos. Ahí está el reflejo de la distribución.
90:59
Speaker A
Sin embargo, la curva verde, la plata y cúrtica, mira su variación de de sus datos. es muy amplio, no hay mucha variabilidad.
91:10
Speaker A
Entonces, ese tipo de información nos dan las medidas de forma, muchachos. Entonces, de esa manera tú puedes eh mejorar más tu interpretación, ¿no?
91:23
Speaker A
Claro, antes decíamos, ¿no?, ah, es una distribución, no sé, simétrica. Ahora vas a decir, no, esa asimétrica positiva de tipo leptúrtica.
91:36
Speaker A
ya le das más potencia a tu interpretación, más insumos, ¿no? Todo eso lo que estamos haciendo es describir nuestros datos. Justamente es parte de la estadística descriptiva porque tú vas a describir tus variables de manera completa, ¿no? Muy aparte las medidas de
91:56
Speaker A
central, las medidas de posición, las medidas de dispersión, tú puedes sumar las medidas de forma.
92:03
Speaker A
¿Se dan cuenta? Todo esto es parte de la estadística descriptiva. ¿Qué más tenemos? Ah, tabla de frecuencia, ¿no? Eso ustedes ya lo saben. Muchas veces ustedes en un Excel han hecho una tabla dinámica y una data de, no sé, 20,000
92:24
Speaker A
trabajadores lo han resumido una tabla pequeñita, ¿no? Ya sea por sexo, grupo de edad, lugar de procedencia, estado civil.
92:33
Speaker A
Entonces, una tabla frecuencia simplemente es eso, ¿no? La categoría y el conteo de casos y luego le puedes calcular los porcentajes y todo. Eso es una tabla de frecuencia, muchachos.
92:46
Speaker A
Antes pues había una técnica, ¿no? Seguramente ustedes han escuchado la regla de Sturges, por ejemplo, para que te permita calcular cuántos grupos tienes, el ancho de la clase. Ya, eso es obsoleto, muchachos, ¿no?
93:00
Speaker A
Ahora con el R se puede hacer mucho más rápido. Hay librerías que lo hacen cuestión de segundos ¿no?
93:09
Speaker A
Entonces, las tablas de frecuencia también es una herramienta de la estadística descriptiva que te permite resumir grandes conjuntos de datos en una tabla simple.
93:19
Speaker A
Eso es su utilidad. Tú puedes tener millones de registros, pero una simple tabla de frecuencia te lo puede resumir.
93:28
Speaker A
¿Te das cuenta? Eso es la utilidad. Y bueno, también los gráficos, los gráficos, todos los gráficos de cualquier índole que hemos visto son parte de estadística descriptiva.
93:40
Speaker A
Tú quieres mostrar tus hallazgos, tú quieres caracterizar tu conjunto de datos, no puedes usar cualquiera, medidas de resumen, tabla de frecuencia o gráfico o combinar los tres.
93:53
Speaker A
Combina los tres y tienes mayor información posible, ¿no? Obviamente los gráficos son mucho más entendibles, más sencillos.
94:03
Speaker A
Si tú al gerente le hablas pues de que mi variable tiene un comportamiento leptúrtico, te va a asustar, ¿no?
94:12
Speaker A
Pero si tú le dices, "Oye, esto es la distribución de nuestros trabajadores por sexo y grupo de edad, a es mucho más entendible, ¿no? Más digerible.
94:25
Speaker A
Eso es la idea. La idea de los gráficos es facilitar la interpretación de resultados.
94:32
Speaker A
Muy bien. Entonces, cuando se habla de gráficos es usar todos los recursos visuales que existen de tal manera que tú puedas mostrar tus resultados, ¿no?
94:42
Speaker A
De la mejor manera. Por ejemplo, hay gráfico de barras, gráfico de P, gráfico de líneas, hay pictogramas también.
94:51
Speaker A
Los que están en el mundo del de las plantas o quizás el cuidado ambiental pueden usar en vez de gráfico de barras usar arbolitos, ¿no? Entonces se puede hacer muchas más cosas y plot también hace eso, por cierto.
95:10
Speaker A
Muy bien, eso sería todo relacionado a la estadística descriptiva. Por cierto, yo les compartí este libro Estadística matemática con aplicaciones.
95:19
Speaker A
Revisen ahí y también hay bastantes ejercicios, ejemplos y más eh conceptos también ¿no? Pero lo que hemos visto es prácticamente la estadística descriptiva por completo.
95:36
Speaker A
Muy bien, muchachos. Ahora vamos a ver nuestro laboratorio de estadística descriptiva. Y ustedes por favor abran su laboratorio LAP 5.
95:56
Speaker A
A ver, vamos a ver. Muy bien. Acá voy a reducir el tamaño de mi Ya. Muy bien.
96:16
Speaker A
Muy bien. Entonces, esto es nuestro laboratorio muchach. Muy bien. Medidas de tendencia central. No, voy a crear acá mi vector numérico Xi y si quiero saber la cantidad de datos de mi vector, la función es leng, ¿no?
96:38
Speaker A
Entonces, si yo le doy, por ejemplo, lengo creado, ah, me dice que tengo 24 datos, ¿no? Mi vector es vector numérico con 24 elementos ¿no?
96:49
Speaker A
Muy bien. ¿Qué pasaría si me piden calcular el promedio de este vector? Bueno, el promedio se calcula pues eh la suma de todos los datos entre la cantidad de los datos, ¿no?
97:03
Speaker A
Ahí está la suma de los datos entre la cantidad de los datos y luego le pide, oye, ¿cuánto es la media?
97:13
Speaker A
me falta correcto. Entonces, la media sería 3.96 aproximadamente ¿no? Es decir, si no tuviéramos funciones que calculen la media, lo tendríamos que calcular manualmente.
97:28
Speaker A
Pero para calcular manualmente, muchachos, necesitas la saber la teoría, ¿no? Y la teoría, ¿qué dice?
97:36
Speaker A
La teoría dice que la media se calcula con la suma de los datos entre la cantos.
97:42
Speaker A
Y eso es lo que hicimos acá, la suma de todos los datos entra la cantidad de los de los datos. Simple, ¿no?
97:52
Speaker A
Lo bueno es que ya R tiene una función base para que calcule el promedio y se llama min.
98:02
Speaker A
Esa función min calcula el promedio, ¿no? Miren, ahí está manualmente y con función. Entonces, si es que ya existe una función en el R, hay que usarlo, muchachos. Ya no hay que estar haciendo manualmente porque es para qué vamos a
98:21
Speaker A
descubrir la pólvora como dice, ¿no? Si ya está hecho, hay que usar mejor lo que ya existe. La idea es agilizar los trabajos, ¿no? Muy bien. De esa manera se calcula el promedio. Igual les quería explicar cómo se hace manualmente, ¿no?
98:35
Speaker A
La mediana, la función se llama media. sombreas ejecutas. Ahí está el valor, la mediana, ¿no? Recuerden que la mediana es el valor central, el punto medio de todo el conjunto de AT.
98:53
Speaker A
Muy bien. La moda no existe una función que calcule la moda en R, pero nosotros vamos a crear nuestra propia función. Muchachos, recuerden que la moda es el valor que más se repite de un conjunto de datos.
99:13
Speaker A
Esa lógica lo tengo que programar. Y acá está programado, ¿no? De acá le estoy diciendo, "Hazme una tabla y seleccióname el valor que más se repita y eso lo vas a llamar moda." Entonces yo creo mi función moda. Ahí
99:29
Speaker A
está. Ya creé mi función moda. Miren acá. Cuando creas una función aparece automáticamente la sección funciones, ¿no?
99:37
Speaker A
Ahí está la variable o la función moda. Entonces, una vez que ya ejecuté, ya lo puedo usar para ese conjunto de datos, ¿no? Y la moda sale cuatro.
99:50
Speaker A
¿Se dan cuenta que tanto la media, mediana y moda tienen valores muy próximos? ¿Por qué sucede esto?
99:57
Speaker A
Porque son valores homogéneos. poca dispersión, por eso hay una proximidad en las medidas de tendencia central, ¿no?
100:11
Speaker A
Posiblemente si yo grafico esto también tenga un comportamiento eh muy parecido a la normal, ¿no?
100:22
Speaker A
¿Cómo sería el gráfico de esto? A ver, vamos a ver. Sería un plot density. A, vamos a ver.
100:33
Speaker A
A ver, vamos a ver si sale. Ya. Sí, ¿no? Miren, es muy parecido a la distribución normal ¿no?
100:46
Speaker A
No digo que es igual, pero es muy parecido. ¿Se dan cuenta? Entonces, por eso las medidas de tendencia central salen muy parecidas.
100:59
Speaker A
Interesante, ¿no? Se dan cuenta que todas las cosas que se puede hacer, muchachos, con la estadística descriptiva, pero sin embargo no le dan la debida importancia y lo que más se usa en el día a día en el trabajo es estadística
101:13
Speaker A
descriptiva y nadie lo sabía. ¿Se dan cuenta? ¿Quién no hace una tabla? ¿Quién no hace un gráfico? ¿Quién no calcula un medida de resumen? Todos los días hacemos eso.
101:25
Speaker A
Eso se llama estadística descripti. Muy bien, muchachos. Ahora hablemos de las medidas de dispersión.
101:41
Speaker A
Las medidas de dispersión, varianza, dispersión estándar o coeficiente de variación. Profesor, ¿cómo se calcula la varianza en R? La función se llama bar.
101:55
Speaker A
Simplemente ejecutas y listo. Ahí está la variancia. Profesor, la desviación estándar. La desviación estándar por definición es la raíz cuadrada de la varianza.
102:08
Speaker A
Ahí está. Pero el R también ya tiene una función para la deción estándar, se llama SD.
102:16
Speaker A
Puedes usar esto o cualquiera de los dos te da lo mismo, muchachos. ¿Se dan cuenta? Miren, entonces mejor usemos ese D porque ya existe ¿no?
102:28
Speaker A
De esa manera calculas la varianza y la dirección estándar. Sencillo. Consulta. Sí. Adelante. Eh, ¿cuál es la diferencia que existe entre el coeficiente de variancia y y el coeficiente de correlación?
102:47
Speaker A
Ah, ya. Son cosas diferentes. Muy bien. El coeficiente de variación se aplica a una sola variable numérica.
102:59
Speaker A
El coeficiente de correlación de Pierson, por ejemplo, se aplica a dos variables, dos variables numéricas y es la división entre la covarianza y sus respectivas desciones, ¿no?
103:18
Speaker A
La correlación ya es la cuantificación de la de la relación entre dos variables numéricas.
103:27
Speaker A
Por ejemplo, talla y peso. Yo calculo la correlación, me va a salir una correlación positiva, ¿no? Es más probable que a mayor edad, mayor peso y algo así, ¿no?
103:40
Speaker A
Eso es correlación. Es cuantificación de la relación entre dos variables numéricas, ¿no? En cambio, la covarianza solo se aplica una variable numérica y sirve para comparar variabilidades.
103:54
Speaker A
Son cosas diferentes, ¿ya? correlación. Lo vamos a ver más adelante porque es tema de de estadística diferencial.
104:05
Speaker A
Muy bien. Y también vamos a calcular el coeficiente de variación. Por ejemplo, coeficiente de variación no existe como función en el R, pero nosotros sabemos que se calcula como la deviación entre la media, ¿no?
104:23
Speaker A
Como sabemos la definición, podemos construir una función que nos permita calcular el cojinente variación. Ahí está nuestra propia función.
104:32
Speaker A
Ahí está, mira, la función creada, ¿no? Acá está. Una vez que creo mi función, ya lo puedo aplicar a mi conjunto de ahí está 7.37.
104:44
Speaker A
Entonces también podemos calcular el coeficiente varia. Si no existe una función lo creamos. Pero para crear una función, muchachos, necesitan conocer la teoría.
104:55
Speaker A
Si no, no se puede. Antes que existiera la varianza, muchachos, y la coeficiente de variación, la división estándar, había una medida de dispersión muy obsoleto, muy antiguo.
105:09
Speaker A
Seguramente lo han escuchado en algún momento, el rango intercuartílico, que no era más que la diferencia entre el cuartil 3 menos el cuartil 1, pero en su época era la única medida de dispersión, muchachos. No había otra, no
105:25
Speaker A
había varianza. Varianza recién es más o menos por los 40, 50, ¿no? Cuando Pearson lanzó su trabajo, ¿no?
105:36
Speaker A
Pson, Fisher hicieron varias propuestas interesantes, ¿no? Pero antes el rango intercuartílico no más era el más usado.
105:44
Speaker A
Mucho más antes del rango intercuartílico existía el rango como medida de dispersión más antiguo inclusive. El rango simplemente era el valor máximo menos el valor mínimo.
105:59
Speaker A
De esa manera comparaban variabilidad, muchachos. Imagínate. Luego salió el rango intercuartírico. Bueno, y ahora la varianza y la deviación y corriente variación, ¿no? Pero hubo toda una evolución, muchachos, no fue así tan rápido, ¿no?
106:19
Speaker A
Muy bien. Medidas de posición. A esto se refiere los famosos percentiles, ¿no? El R nada le gustaba llamarlo percentil, muchachos.
106:33
Speaker A
Decidió llamarlo cuantil a su función. Bueno, ya capricho al R, ¿no? R no lo llama percentil, le dice cuantil.
106:46
Speaker A
Muy bien. El percentil 5 R te dice, "Si quieres calcular el percentil 5, usa la función cuantil, le das el vector de datos y le dices, oye, ¿qué porcentaje quieres de probabilidad?" 5 es el 5%, 0.05.
107:07
Speaker A
20 es el 20%, el 0.20 y así ahí está el cuantil. el percentil 5 o el cuantil cc el percentil 20 ahí 3.75 pero si quieres dos percentiles, simplemente acá le agregas como un vector y le especificas, ah, quiero dos
107:32
Speaker A
percentiles, percentil 40 y el percentil 70. Simplemente ejecutas, ahí están los dos percentes ¿no?
107:41
Speaker A
Ahí están los dos percentes nada te sobreentiende que calcula los cuartiles. Acá está el cuartil uno, el cuartil y el cuartil 3.
108:01
Speaker A
Pero si quieres valores específicos, le das simplemente la probabilidad que quieres ¿no? Sencillo, no es nada complicado.
108:13
Speaker A
Lo interesante, las medidas de exposición es darle una interpretación muy interesante, muy es decir, más análisis te da no te da mucho más análisis, por ejemplo, como el caso de los estudiantes del quinto superior, tercio superior o décimo superior.
108:32
Speaker A
Entonces es muy importante pues usar correctamente las medidas de exposición para tener mayores pues mayor interpretación, ¿no? Para que sea más interesante como se dice.
108:47
Speaker A
Muy bien. Por ejemplo, les voy a dar acá un ejemplo. Voy a crear un vector notas, ya para ver el ejemplo del quinto superior.
109:03
Speaker A
las notas, ¿no? Entonces, a ver, voy a crear varias. Muy bien, ahí está mi variable, mi vector, ¿no?
109:30
Speaker A
A esto yo le voy a calcular si yo quiero el quinto superior, ¿qué quiere decir el quinto superior, muchachos?
109:41
Speaker A
Es acá, ¿no? El 20% de arriba, ¿no? Entonces, ¿qué percentil es esto? Siempre el presenté área deja por debajo ese punto.
109:56
Speaker A
Este puntito de acá, ¿qué área dejo abajo? Abajo del 80% es el percentil 80.
110:05
Speaker A
Este valorito es que se tiene que plasmar en el R. Por ejemplo, si acá yo calculo, por ejemplo, esto acá, ¿qué le pondría?
110:24
Speaker A
20 o 80, 0.80 o 0.20, obviamente 0.80, ¿no? ¿Por qué? Porque efectivamente es este valorito que yo quiero conocer.
110:36
Speaker A
Entonces acá voy a poner notas, ¿no? Y acá simplemente ejecuto. ¿Cuánto me sale? 18.
110:45
Speaker A
Muy bien, profesor. Eso quiere decir que todos los estudiantes que tienen de 18 a más pertenecen al quinto superior.
110:58
Speaker A
Eso es una medida de posición. Y con el R ustedes lo han calculado en un segundo.
111:05
Speaker A
En un segundo. Se dan cuenta estos son los estudiantes más capos, más tigres, como se dice.
111:14
Speaker A
¿Se dan cuenta? No. Ahora, ¿qué pasa si yo soy tutor y quiero fortalecer a los estudiantes en la parte académica, no? A mí me interesaría saber pues el 20% inferior de los estudiantes.
111:33
Speaker A
¿Qué percentil es eso? Este es el percentil. Siempre se mide hacia abajo. Ya. Percentil 20.
111:50
Speaker A
Muy bien. Entonces, dependiendo de lo que es lo que quiero hacer, va a variar todo, ¿no? Acá tendría poner 0.20.
111:59
Speaker A
Entonces, a partir de qué nota hacia abajo son estudiantes en riesgo, ¿no? Y yo quisiera capacitarlos, reforzarlos aquellos estudiantes, ¿no? Entonces, voy a calcular esto y me dice 12. Muy bien.
112:14
Speaker A
Es decir, a partir de 12, de una nota de 12 hacia abajo, todos aquellos estudiantes que tienen promedio de 12 hacia abajo, debo capacitarlo.
112:27
Speaker A
¿Se dan cuenta lo útil que es las medidas de posición, muchachos? Y nadie le da la importancia, pero siempre lo usan. Por ejemplo, han usado cuartiles, quintiles de pobreza.
112:42
Speaker A
tercio superior, quinto superior, siempre lo han mencionado, pero no sabían que era una medida de posición.
112:48
Speaker A
Es decir, siempre lo usamos, pero no sabemos el detrás, cómo se dice. Y ahora ya saben, muchachos, las medidas de exposición son muy útiles, simplemente hay que adecuarlo pues a las necesidades ¿no?
113:05
Speaker A
Muy bien. Entonces, muchachos, ya cumplimos con nuestro hora. Nos falta un par de ejemplos. Eh, ya el día de mañana estamos continuando. Ya.
113:17
Speaker A
Ah, bien. Si no tuvieron alguna duda, tienen duda, me avisan. ¿Alguna duda, no sé? Me avisan para poder ayudarles. Si no, ya estaremos continuando el día de mañana.
113:33
Speaker A
De hecho, maestro, eh una anécdota breve. Eh, esta trabajar con los cuantiles ha sido eh para mí una completa experiencia por una consultoría en cual se requería determinar la distancia de los centros educativos o y centros médicos y avergue en función de áreas
113:58
Speaker A
enfocadas para dar respuestas inmediatas. Entonces, la manera que me pareció más útil de presentar la propuesta, que de hecho eh fui yo quien la la ganó, fue representando la distancia in cuantiles porque me permitía distribuir y se podía
114:18
Speaker A
distribuir la distancia en función de los lugares centrales para determinar cuál eran lo más lo más cercano. Claro, tomando en consideración otros parámetros como si en esas si en esa distancia habían puentes colapsados, pues emitir una ruta alternativa. Y
114:36
Speaker A
tomando esta misma, aunque esto yo lo hice en otras herramientas para no quitarle mérito a R, eh en R veo que es mucho más fácil que si que si haberlo sabido, ¿verdad? Ahora lo sé, pues eh es más es más propicio hacerlo por aquí. Ya
114:53
Speaker A
yo redireccionaré a este enfoque utilizando el dashboard que que hice ahorita para para entonces acoplarlo y que salga de de una manera más fácil. Pero sí, los cuantiles aquí veo que es mucho más fácil utilizar.
115:14
Speaker A
Sí, eres muy muy flexible. Muy bien. Eh, voy a aparte de los usos que tienen los juiles. Seguramente ustedes han escuchado los quintiles de pobreza, ¿no? A los hogares lo dividen en quintilles de pobreza.
115:26
Speaker A
Entonces, se usa frecuentemente estos conceptos de medida exposición y se puede dar mucha más utilidad inclusive.
115:36
Speaker A
A veces es muy importante, pues bueno, conocer un promedio y todo, pero conocer una posición específica ya entra allá las medidas de posición, ¿no?
115:48
Speaker A
O sea, así como han visto el quinto superior, que son los estudiantes más tops, que se merecen una beca y todo lo que tú quieras, también hay un grupo de estudiantes en riesgo, ¿no? Y es fácil identificarlo, muchachos, con los
116:00
Speaker A
contiles o con las medidas de posición. Muy bien, muchachos, nos quedamos acá y continuamos con la siguiente sesión.
116:10
Speaker A
Perdón, continuamos mañana y los materiales también ya se le compartió. Mañana vamos a ver distribuciones de probabilidad, muchachos. Ya cada vez el tema se pone un poco más más interesante, así que por favor repasen y nos vemos el día de mañana. Muchas
116:24
Speaker A
gracias por su atención. Buenas noches para todos. Buenas noches. Gracias, profesor. Saludos. Mañana. Buenas noches con todos. Gracias, profesor.
Topics:estadística descriptivagráficos en RBB PlotBBC Londrespersonalización de gráficostemas en ggplot2gráficos dinámicosGG Animatepirámides de poblaciónexportar gráficos

Frequently Asked Questions

¿Cómo puedo instalar la librería BB Plot para gráficos al estilo BBC?

Primero debes instalar las dependencias necesarias indicadas en el video, luego instalar BB Plot desde R. Se recomienda seguir el orden para evitar errores.

¿Qué ventajas tiene crear un tema personalizado para gráficos en R?

Un tema personalizado permite aplicar un estilo consistente y profesional a todos tus gráficos, facilitando la presentación y la comunicación visual.

¿Es posible hacer gráficos animados en R para mostrar evolución temporal?

Sí, usando la librería GG Animate puedes crear gráficos dinámicos que muestran cambios en los datos a lo largo del tiempo, como gráficos de burbujas animados.

Get More with the Söz AI App

Transcribe recordings, audio files, and YouTube videos — with AI summaries, speaker detection, and unlimited transcriptions.

App Store Google Play
Or transcribe another YouTube video here →

More from Mundo Tesis (Oficial)

View All
Sesión 14 — Transcript

Sesión 14 — Transcript

8,768 words · 72 min · Spanish
Sesión 13: Muestreo estadístico — Transcript

Sesión 13: Muestreo estadístico — Transcript

13,028 words · 108 min · Spanish
Sesión 12 N°: Fiabilidad de instrumentos Alfa de Cronbach — Transcript

Sesión 12 N°: Fiabilidad de instrumentos Alfa de Cronbach — Transcript

13,760 words · 122 min · Spanish
Sesión N° 11: Regresión logística binaria — Transcript

Sesión N° 11: Regresión logística binaria — Transcript

11,213 words · 108 min · Spanish
Sesión 10: Regresión lineal simple y múltiple — Transcript

Sesión 10: Regresión lineal simple y múltiple — Transcript

13,167 words · 117 min · Spanish
Sesión 9: Pruebas no paramétricas — Transcript

Sesión 9: Pruebas no paramétricas — Transcript

11,992 words · 110 min · Spanish
Sesión 8 Pruebas de hipótesis paramétricas — Transcript

Sesión 8 Pruebas de hipótesis paramétricas — Transcript

12,942 words · 118 min · Spanish
Sesión 7: Análisis de correlación — Transcript

Sesión 7: Análisis de correlación — Transcript

13,995 words · 118 min · Spanish
Sesión 5: Estadística descriptiva con R — Transcript

Sesión 5: Estadística descriptiva con R — Transcript

15,506 words · 120 min · Spanish
Sesión 4: Visualización de datos usando GGPLOT2 — Transcript

Sesión 4: Visualización de datos usando GGPLOT2 — Transcript

14,165 words · 117 min · Spanish
Sesión 3: Manipulación de datos con DPLYR y TIDYR — Transcript

Sesión 3: Manipulación de datos con DPLYR y TIDYR — Transcript

13,274 words · 117 min · Spanish
Sesión 2: Importación y exportación de datos — Transcript

Sesión 2: Importación y exportación de datos — Transcript

13,452 words · 114 min · Spanish