No tienes acceso a esta clase

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

Aprende todo un fin de semana sin pagar una suscripci贸n 馃敟

Aprende todo un fin de semana sin pagar una suscripci贸n 馃敟

Reg铆strate

Comienza en:

4D
3H
3M
9S

Implicaciones de los distintos tipos de valores faltantes

4/17
Recursos

Aportes 3

Preguntas 1

Ordenar por:

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

o inicia sesi贸n.

Copiar y pegar ( si quieren obvio xD sino no)

MCAR

La localizaci贸n de los valores faltantes en el conjunto de datos ocurren completamente al azar, estos no dependen de ning煤n otro dato

Eliminaci贸n de valores faltantes

  • Reducci贸n del tama帽o de muestra.
  • Inferencia limitada.
  • No produce sesgos

Imputaci贸n de valores faltantes

  • De hacerlo bien, no produce sesgos
  • La imputaci贸n es recomendada sobre la deleci贸n.

MAR

La localizaci贸n de los valores faltantes en el conjunto de datos dependen de otros valores observados.

Eliminaci贸n de valores faltantes

  • Ignorarlos produce sesgos

Imputaci贸n de valores faltantes

  • La mayor parte de m茅todos de imputaci贸n asumen MAR
  • La imputaci贸n es necesaria

MNAR

La localizaci贸n de los valores faltantes en el conjunto de datos dependen de otros valores faltantes en s铆 mismos.

Eliminaci贸n de valores faltantes

  • Ignorarlos produce sesgos

Imputaci贸n de valores faltantes

  • La imputaci贸n es recomendada sobre la deleci贸n.

馃挕 Mejorar experimentos o realizar an谩lisis de sensibilidad (repetir los experimentos, explorar los par谩metros, ver como cambian los an谩lisis al modificar algunos datos y establecer intervalos de confianza)

Tuve que preguntarle a ChatGPT porque no entend铆 bien el tema, pero ahora me ha quedado claro:

El c贸digo realiza una prueba t-test independiente usando la funci贸n ttest_ind del m贸dulo scipy.stats. La prueba t-test comparar谩 la media de dos grupos de datos y determinar谩 si existe una diferencia significativa entre ellos.

El primer argumento a es el primer grupo de datos (female_weight) y el segundo argumento b es el segundo grupo de datos (male_weight).

El argumento alternative especifica el tipo de hip贸tesis nula a probar, en este caso 鈥渢wo-sided鈥 indica que se est谩 realizando una prueba two-tailed, es decir, se est谩 investigando si existe una diferencia significativa entre las dos medias, sin importar en qu茅 direcci贸n.

El resultado es el valor estad铆stico y el valor p del test t-test independiente entre dos grupos 鈥渇emale_weight鈥 y 鈥渕ale_weight鈥. La hip贸tesis nula es que la media de ambos grupos es igual.

El valor p obtenido es de 0.717, lo que sugiere que no hay suficiente evidencia para rechazar la hip贸tesis nula. Por lo tanto, no se puede concluir que la media de los dos grupos sea diferente.

El valor absoluto del estad铆stico t, 0.362, es bajo, lo que indica que las diferencias entre los dos grupos son poco significativas.

vimos los tipos de datos y su metodo metodo a aplicar:

  • mar : inputacion
  • mat : inputacion multiple
  • mnar: mejorar experimentos