Análisis Exploratorio

de Datos

¿Qué son los Datos?

Una variable es una propiedad o

característica de un Individuo

Ejemplos: color de ojos

de un persona,

temperatura, estado civil

Una colección de variables

describen a un Individuo

Un individuo también se conoce

como registro, punto, caso,

objeto, entidad, ejemplo de

observación

Id Dev. Estado Civil

Impuestos Fraude

1 Si Soltero 125Mil No

2 No Casado 100Mil No

3 No Soltero 70Mil No

4 Si Casado 120Mil No

5 No Divorciado 95Mil Si

6 No Casado 60Mil No

7 Si Divorciado 220Mil No

8 No Soltero 85Mil Si

9 No Casado 75Mil No

10 No Soltero 90Mil Si 10

Variables

Individuos

Tipos de Variables

Cualitativos vs. Cuantitativos

Cualitativo (o categórico) las variables

representan distintas categorías en lugar de

números. Las operaciones matemáticas como la

suma y la resta no tienen sentido.

Ejemplos: color de los ojos, grado académico, dirección IP,

código postal.

Cuantitativos (o numéricos) las variables son los

números y pueden ser tratados como tales.

Ejemplos: peso, fallos por hora, el número de televisores, la

temperatura

Variables Cualitativas

Tipos de Variables

Variables Cuantitativas

• Los valores de la variable son “números” = cada valor posible es menor o mayor que otro valor

• Ejemplos: edad, ingresos, nota en un examen, número de años de educación, kilómetros de distancia entre trabajo y residencia…

• OJO: hay “números” que son “etiquetas”; por ejemplo: el código postal; el número de teléfono; el código de una asignatura

Variable Discreta vs Variable Continua

• Una Variable Discreta es aquella en la cuál se puede contar el número posible de valores (son números enteros)

• Una Variable Continua puede tomar cualquier valor en un intervalo dado (son números reales)

Variables Cualitativas

• Variables cualitativas son aquellas que clasifican las unidades en categorías. Las categorías pueden tener un orden natural (ordinales) o no (nominales).

• Cuando las variables son ordinales podemos contar número de casos, comparar entre categorías, pero no podemos realizar operaciones numéricas.

Variables Ordinales

• Categorías, no números, que tienen un orden, pero no existe una distancia o intervalo definido entre los valores

– Ejemplo: profesión Bachiller, Licenciado, Máster, Doctor

• Tratamiento estadístico:

– A veces, como variables cualitativas

– A veces, como variables cuantitativas

Variables Nominales

• Los valores son “categorías”

• Las categorías son valores diferentes por una cualidad, no por una cantidad

• Ningún “valor” se puede decir que sea mayor o menor que otro

• Ejemplos: partido político al que votó; región en que vive; sexo; estado civil.

¿cómo transformar variables cuantitativas en cualitativas?

• La conversión de una variable cuantitativa en cualitativa se denomina categorización. 1. Se ordena la variable

2. Se decide el número k de categorías

3. Se buscan los límites e intervalos para cada categoría [min, min+(max-min)/k[, [min, min+2*(max-min)/k[ …

4. Se asigna una etiqueta para cada categoría

5. En la variable original (sin ordenar) se cambia cada valor por una etiqueta según el intervalo al que corresponda

Ejemplo: Ejemplo Transforma Variable.xlsx

Los Datos

Variable j

Ejemplo

Matemáticas Ciencias Español Historia EdFísica

Lucía 7.0 6.5 9.2 8.6 8.0

Pedro 7.5 9.4 7.3 7.0 7.0

Inés 7.6 9.2 8.0 8.0 7.5

Luis 5.0 6.5 6.5 7.0 9.0

Andrés 6.0 6.0 7.8 8.9 7.3

Ana 7.8 9.6 7.7 8.0 6.5

Carlos 6.3 6.4 8.2 9.0 7.2

José 7.9 9.7 7.5 8.0 6.0

Sonia 6.0 6.0 6.5 5.5 8.7

María 6.8 7.2 8.7 9.0 7.0

Nubes de Puntos

Luis 5.0 6.5 6.5 7.0 9.0

INDIVIDUOS - FILAS

VARIABLES - COLUMNAS Español

9.2

7.3

8.0

6.5

7.8

7.7

8.2

7.5

6.5

8.7

Nube de Puntos

¿Cómo leer los datos en R?

Matemáticas Ciencias Español Historia EdFísica

Lucía 7.0 6.5 9.2 8.6 8.0

Pedro 7.5 9.4 7.3 7.0 7.0

Inés 7.6 9.2 8.0 8.0 7.5

Luis 5.0 6.5 6.5 7.0 9.0

Andrés 6.0 6.0 7.8 8.9 7.3

Ana 7.8 9.6 7.7 8.0 6.5

Carlos 6.3 6.4 8.2 9.0 7.2

José 7.9 9.7 7.5 8.0 6.0

Sonia 6.0 6.0 6.5 5.5 8.7

María 6.8 7.2 8.7 9.0 7.0

Desde Excel

Guardar como *.CSV separado por ;

Visto como archivo de texto

Leyendo los datos desde R

Mediante Código R:

> Datos <- read.table("C:/Datos/EjemploEstudiantes.csv“, header=TRUE, sep=";", dec=".", row.names=1)

Leyendo datos desde RComander

Leyendo datos desde FactoMineR

Leyendo desde FactoMineR

Visualizando los datos en RComander

Tabla de Datos

Matemáticas Ciencias Español Historia EdFísica

Lucía 7 6.5 9.2 8.6 8

Pedro 7.5 9.4 7.3 7 7

Inés 7.6 9.2 8 8 7.5

Luis 5 6.5 6.5 7 9

Andrés 6 6 7.8 8.9 7.3

Ana 7.8 9.6 7.7 8 6.5

Carlos 6.3 6.4 8.2 9 7.2

José 7.9 9.7 7.5 8 6

Sonía 6 6 6.5 5.5 8.7

María 6.8 7.2 8.7 9 7

Estadísticas Básicas

Promedio 6.79 7.65 7.74 7.9 7.42

DesEstándar 0.90 1.53 0.82 1.06 0.88

Notas Escolares

En RComander

Desde RComander

En RComander

La Matriz de Correlaciones

Gráficos en RComander

Histogramas

Identificando datos atípicos

Diagramas de Caja (Boxplots)

Una muy simple resumen de la distribución de los

datos.

Diagramas de caja son útiles para encontrar datos

atípicos (outlier)

outlier

10th percentile

25th percentile

75th percentile

50th percentile

90th percentile

Diagramas de Caja (Boxplots)

Por defecto, los diagramas de caja en R presentan el

máximo y el mínimo (si no son los valores atípicos)

en lugar de los percentiles 10 y 90 como lo hacen

algunos otros programas

outlier

10th percentile

25th percentile

75th percentile

50th percentile

90th percentile Máximo

Mínimo

Diagramas de Caja en RComander

Identificando datos atípicos

Identificando datos atípicos

Notas Escolares

La Matriz de Correlaciones

Interpretación: 1. Correlaciones altas positivas implican que si

una variable crece la otra también crece. 2. Correlaciones altas negativas implican que

si una variable crece la otra también decrece y a la inversa.

3. Correlaciones cercanas a cero implican que no hay relación entre las variables

Interpretación geométrica del coeficiente de correlación

VARIABLES - COLUMNAS

Español

9.2

7.3

8.0

6.5

7.8

7.7

8.2

7.5

6.5

8.7

q

X

Y

Cos(q) = R(X,Y)

q

X Y

q = 0° implica que Cos(q) = R(X,Y) = 1

CASO 1:

q

X

Y

q = 90° implica que Cos(q) = R(X,Y) = 0

CASO 2:

Y

q = 180° implica que Cos(q) = R(X,Y) = -1 CASO 3:

q

X

Ejemplo: Servicio

al Cliente

En RComander

En RComander

La Matriz de Correlaciones

Gráficos en RComander

Histogramas

Diagramas de Caja en Rcomander Identificando datos atípicos

Identificando datos atípicos

Identificando datos atípicos

Identificando datos atípicos

¿Dónde obtener más información?

Gracias….