Bienvenida e introducci贸n

1

Todo lo que aprender谩s sobre el lenguaje R

2

Programaci贸n y Data Science

3

R y proyecto econom铆a naranja.

4

Instalando nuestras herramientas

Variables, tipos de datos y estructuras

5

Los primeros c谩lculos con R y variables

6

Tipos de datos

7

Estructura del dataset del proyecto

8

Vectores

9

Matrices

10

Ejercicios con matrices

11

Operadores para comparar y ubicar datos

12

Factores, listas y echar un vistazo al dataset

EDA: Exploratory data analysis

13

Qu茅 es EDA: Exploratory Data Analysis

14

Gr谩ficas de dispersi贸n e histogramas.

15

Box Plot y su interpretaci贸n

16

EDA con dataset proyecto - Gr谩ficas de dispersi贸n.

17

EDA con histogramas.

18

EDA con dataset proyecto - histogramas - ggplot2

19

EDA con box plot- ggplot2

20

EDA con dataset proyecto - box plot- ggplot2 - dplyr

21

EDA con gr谩ficas de dispersi贸n con m谩s de dos variables - ggplot2

22

EDA con dataset proyecto usando gr谩ficas de dispersi贸n con m谩s de dos variables - ggplot2 - plotly

La estad铆stica de los datos

23

Buscando correlaciones con pairs

24

Confirmando correlaciones con la funci贸n cor

25

Buscando correlaciones con pairs en dataset proyecto

26

Confirmando correlaciones con la funci贸n cor en dataset proyecto.

27

Protegi茅ndonos de los peligros del promedio.

28

Eliminando los NA's para hacer los c谩lculos.

29

Estad铆stica y visualizaci贸n aplicada a an谩lisis de datos de mercadeo.

Ajustando los datos

30

Generando tablas, filtrando y seleccionando datos - dplyr-Parte 1

31

Generando tablas, filtrando y seleccionando datos - dplyr-Parte 2

Mejorando la visualizaci贸n

32

Viendo m谩s informaci贸n con facet wrap - Parte 1

33

Viendo m谩s informaci贸n con facet wrap - Parte 2

Organizar visualizaciones y c贸digo con R Markdown

34

Conociendo R Markdown y organizando los hallazgos del an谩lisis en un documento PDF.

Conclusiones Finales

35

Invitaci贸n a continuar recorriendo el mundo del data science.

No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Confirmando correlaciones con la funci贸n cor

24/35
Recursos

La funci贸n cor nos retorna la correlaci贸n entre los datos. Recordemos que el valor de una correlaci贸n va de -1 a 1, si se acerca a 0 no hay correlaci贸n.

Aportes 17

Preguntas 3

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

o inicia sesi贸n.

MUY IMPORTANTE:

"La correlaci贸n no implica causalidad"

Buenas tardes, les dejo este link por si desean m谩s informaci贸n sobre la correlaci贸n entre dos variables. https://www.maximaformacion.es/blog-dat/que-es-la-correlacion-estadistica-y-como-interpretarla

cor() nos apoya a verificar con estadistica lo que nos indican las visualizaciones鈥 con pair()
.
.
.
.
EN ESTA VISUALIZACI脪N DE COCHES merc SE TIENE UNA CORRELACI脪N POSITIVA, EN DONDE A MAYOR CANTIDAD DE CILINDROS -cyl- MAS CABALLOS DE FUERZA -hp-
.

Importante al momento de hablar de correlaci贸n, entender que es la correlaci贸n espuria. Les comparto un enlace https://economipedia.com/definiciones/relacion-espuria.html

Recordar que la correlaci贸n se mueve solo entre dos valores, entre -1 y 1. Si se acerca a 0 no hay correlaci贸n, si se acerca a 1 es positiva, si se acerca a -1 es negativa.

    pairs(mtcars[,2:6])
    cor(mtcars[,2:6])

    newdata <- subset(mtcars, select=c(2,7,8,11,12))
    pairs(newdata)
    cor(newdata)
    
    cor(merc[,2:6])```

Que facil es hacer gr谩fico y estad铆stico en Rstudios comparado con Python

Recuerden que la correlaci贸n no implica causalidad. Para eso traigo esta pagina, en la que se pueden ver algunos ejemplos con una correlaci贸n altisima.

https://www.tylervigen.com/spurious-correlations

En este punto, pienso que es bueno usar la funci贸n round para que los resultados de cor se muestren de forma mas compacta y se facilite su interpretaci贸n.
Saludos!!

La correlaci贸n estad铆stica constituye una t茅cnica estad铆stica que nos indica si dos variables est谩n relacionadas o no.

cor = funci贸n de correlaci贸n
-1 > cor < 1
si se acerca de cero: no hay correlaci贸n
si se acerca de 1 es positiva
si se acerca a -1 es negativa

#CORRELACIONES CON LA FUNCION COR
#valor de una correlaci贸n va de -1 a 1, 
#si se acerca a 0 no hay correlaci贸n.
#VAMOS A CONFIRMAR SI LA CORRELACIONES ENTRE
#MPG Y DISP ES NEGATIVA

cor(merc[,2:6]) #vemos los cruces e las variables en forma numerica 

cor(newdata)

cor(mtcars[,2:6]) #confirmamos ouna correlacion positva entre mas cilindros mas HP

muy interesante!

Mayor cantidad de cilindros CYL m谩s caballos de fuerza HP

Correlaci贸n entre el PIB per c谩pita y la inflaci贸n:

             GDP.PC           Inflation

GDP.PC 1.0000000 0.2755733
Inflation 0.2755733 1.0000000

Conclusi贸n: la correlaci贸n es d茅bil.

Correlaci贸n entre la inflaci贸n y el desempleo:

                               Inflation               Unemployment

Inflation 1.00000000 0.09280426
Unemployment 0.09280426 1.00000000

Conclusi贸n: la correlaci贸n es fuerte

*Correlaci贸n no indica causalidad.

En esta p谩gina puedes ver como correlaci贸n no implica causalidad
tylervigen. com/spurious-correlations

#Buscando correlaciones con cor
cor(mtcars[,2:6])

cor(newdata)

cor(merc[, 2:6])