Qué es EDA: Exploratory Data Analysis

QUÉ ES EDA: EXPLORATORY DATA ANALYSIS
Es la visualizaciòn de los datos antes de aplicar las formulas estadísticas
.
En tu imaginaciòn

.
En la realidad

Platzi debería tener mas contenido de R, es un lenguaje maravilloso.

Les recomienod ver este video
https://www.youtube.com/watch?v=W1_eCwuYkAI&t=316s

El cuarteto de Anscombe comprende cuatro conjuntos de datos que tienen las mismas propiedades estadísticas, pero que evidentemente son distintas al inspeccionar sus gráficos respectivos.

Cada conjunto consiste de once puntos (x, y) y fueron construidos por el estadístico F. J. Anscombe. El cuarteto es una demostración de la importancia de mirar gráficamente un conjunto de datos antes de analizarlos.

En el ejemplo se ve la misma correlacion, desviaciòn estandar y recta de regresiòn en los cuatro dataset
.
ESTADISTICAS DESCRIPTIVAS

Correlation
Std. Dev
Regression

Lo que pauta que el comportamiento de los clientes en las cuatro tiendas es el mismo y eso es imposible porque son supermercados ubicados en diferentes puntos de la ciudad
.
Para aclarar…
.
PIDE DATOS CRUDOS
Pedir un dataset crudo es una solicitud rutinaria para ver los datos en plano y comprobar interrogantes del momento

Y veras que no hay filas iguales, que no ves siempre los mismos datos en las X ni los mismos datos en las Y
.
Visualiza los datos 👁
.
CON CUARTETO DE ASCOMBE

En donde si, esta la misma recta de regresiòn pero los puntos tienen formas diferentes. Es decir el comportamiento de los datos es diferente para cada dataset

Tipos de visualización en EDA
Histograma:
En estadística, un histograma es una representación gráfica de una variable en forma de barras, donde la superficie de cada barra es proporcional a la frecuencia de los valores representados. Sirve para ver la distribución de las frecuencias de una variable. Las barras van pegadas y el orden en el eje X es ascendente. En un histograma se presenta lo que hay y también lo que no hay.

Diagrama de dispersión (Scatterplot):
Un diagrama de dispersión o gráfica de dispersión o gráfico de burbujas es un tipo de diagrama matemático que utiliza las coordenadas cartesianas para mostrar los valores de dos variables para un conjunto de datos. Las variables deben ser continuas o numéricas, los puntos no se pueden unir como si se hace en las gráficas de líneas

Diagrama de caja (Boxplot):
También conocido como diagrama de caja y bigote, box plot, box-plot o boxplot. Es un método estandarizado para representar gráficamente una serie de datos numéricos a través de sus cuartiles. De esta manera, el diagrama de caja muestra a simple vista la mediana y los cuartiles de los datos,​ pudiendo también representar los valores atípicos de estos.

Comparto mis notas del curso utilizando la versión 4.0.2 de R y windows 10, espero les sean de utilidad dado que con el tiempo cambian algunas cosas, dejo los datasets y los scripts en el mismo repositorio

https://github.com/rb-one/Fundamentos_R/blob/master/Notes/notes.md

Articulo de Anscombe

Muy interesante EDA.

interesante!

Buenisimo eso del Anscombe’s quartet 😄

EDA = Exploratory data Analysis

He trabajado mucho tiempo con datos y este concepto del Cuarteto de Anscombe es realmente muy interesante

Interesante y brillante punto de vista, ya que sugiere lo que en un libro de estadística no, que es la llana presentación de las formas lineales o no lineales de los datos. Concepto importantes para aquel que sólo confía en los cálculos estadísticos

EDA consisten en visualizar los datos antes de enfocarnos en las fórmulas estadísticas. Eso nos da pistas de los datos y es importante para la interpretación.

Cuando la profesora es mujer hay mas participación de mujeres en los comentarios, curioso

Primero hay que vizualizar los dato, para ver el comportamiento de tus datos