Distribuciones conjuntas

Curso de Estadística y Probabilidad

¿Qué es la estadística y con qué se come?

Fundamentos de Estadística y Probabilidad Aplicada

Clasificación y Tipos de Variables en Estadística

Herramientas de Análisis y Estadística: Software Popular en la Industria

Workbook de Ejercicios de Estadística y Probabilidad

Una imagen vale más que mil datos

Diferencias entre Tablas Unidimensionales y Bidimensionales

Tablas de Frecuencia y Frecuencia Relativa en Google Sheets

Visualizaciones estadísticas: Diagramas y gráficos básicos en Excel

Estadística descriptiva

Distribuciones Conjuntas, Marginales y Condicionales en Estadística

Medidas de Tendencia Central: Media, Mediana y Moda

Cálculo de Medidas de Tendencia Central en Hojas de Cálculo

Medidas de dispersión: Rango e Índice Intercuartílico

Desplazamiento y Escalado de Datos Estadísticos

Construcción de Boxplot para Análisis de Distribuciones

Representación de datos

Cálculo de Media, Varianza y Desviación Estándar

Histogramas, Polígonos de Frecuencia y Curvas de Densidad en Excel

Distribuciones Simétricas y Asimétricas en Estadística

Muestra y error

Estudios Observacionales y Experimentales en Estadística

Muestreo y Sesgo en Estudios Estadísticos

¿Y la probabilidad?

Introducción a la Probabilidad en Estadística Descriptiva

Regla de la Suma en Probabilidad: Unión e Intersección de Eventos

Probabilidad Condicional y Eventos Dependientes e Independientes

Teorema de Bayes: Aplicación en Probabilidades Condicionales

Diferencia entre Permutaciones y Combinaciones

Correlación y causalidad

Correlación vs Causalidad: Diferencias Fundamentales

Gráficos de Dispersión y Líneas de Regresión en Hojas de Cálculo

Conclusiones

Estadística y Probabilidad: Aplicaciones Prácticas en Diversos Campos

No tienes acceso a esta clase

¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera

Si ya tienes una cuenta,

Recursos

¿Qué son las distribuciones conjuntas?

Las distribuciones conjuntas son herramientas estadísticamente poderosas que permiten analizar cómo se comporta una variable en relación con otra. Son esenciales cuando se quiere entender la relación o interdependencia entre dos conjuntos de datos cuantificables. Imagina una tabla donde cada eje representa una variable diferente. Por ejemplo, podría ser útil para comprender cómo las horas de sueño afectan el peso perdido en personas que se ejercitan regularmente.

En un ejemplo práctico: entrevisté a 100 personas que se ejercitan con regularidad para observar la relación entre las horas de sueño y los kilos perdidos en un mes. Con el 17% de estas personas perdiendo entre 2 y 4 kilos al dormir entre 6 y 9 horas, se puede construir una tabla bidimensional para visualizar y concluir sobre estas conexiones.

¿Cómo se utilizan las distribuciones marginales?

Las distribuciones marginales se sitúan en los márgenes de una tabla bidimensional y te permiten obtener datos generales de una sola variable sin la influencia directa de la otra. Se generan sumando los totales de filas o columnas y se pueden utilizar para concluir de manera específica sobre cada variable individualmente.

Por ejemplo, al observar los kilos perdidos en las 100 personas entrevistadas, se puede ver que, independientemente de las horas de sueño, el 33% de las personas perdieron entre 4 y 6 kilos. Lo mismo se podría hacer para ver la distribución de horas de sueño sin importar el peso perdido.

¿Cómo nos ayudan las distribuciones condicionales?

Las distribuciones condicionales permiten responder preguntas específicas sobre una variable dada una condición en la otra. Es decir, se centró en una variable específica mientras se analizan los porcentajes de la otra.

Al analizar cuántas horas durmieron las personas que perdieron entre 3 y 6 kilos, podrías observar que el 36% durmieron entre 9 y 12 horas. Esto se logra al hacer que las filas o columnas relevantes sumen el 100%, lo que facilita el análisis de los grupos específicos seleccionados.

Ejemplo práctico con datos de Netflix

Para ilustrar el uso de distribuciones conjuntas, podemos usar un dataset de Netflix y analizar qué país fue el mayor productor de series o películas por década. Procedemos a construir una tabla dinámica, donde los países se ubican en las filas y las décadas en las columnas. Así, se estructura una tabla que permite visualizar la cantidad de títulos estrenados por país y por período.

Al cambiar la visualización a porcentaje de línea o columna, se puede determinar, por ejemplo, que aproximadamente el 7% de las producciones en Canadá se estrenaron entre el 2000 y 2010.

¿Te animas a intentarlo? Como reto final, intenta crear una tabla de distribución conjunta entre el rating o clasificación de la producción y su género principal usando el mismo dataset. Sumérgete en los datos y descubre las relaciones ocultas. ¡El mundo del análisis estadístico está lleno de posibilidades!

Aportes 130

Preguntas 4

Ordenar por:

¿Quieres ver más aportes, preguntas y respuestas de la comunidad?

Alisson Pineda Ortega

hace 2 años

APUNTES
La Distribución conjunta es cómo se comporta una variable en relación a otra. Estas distribuciones son pensadas respecto a otra variable.

Ejemplo:

Entrevista a 100 individuos que tienen como hábito hacer ejercicio y se quiere relacionar las horas durmiendo respecto a los kilos perdidos en un mes.
En la tabla conjunta bidimensional tenemos estas dos variables.

DISTRIBUCIÓN MARGINAL

Es la distribución que está a los márgenes de nuestra tabla bidimensional.

Independientemente de la otra variable se puede hacer conclusiones específicas de mi variable de columnas o de mi variable de filas.

En el ejemplo:

Podemos observar la distribución marginal sumando los totales de las filas y columnas.

Si se quiere enfocar la distribución marginal respecto a los kilos perdidos, solo se necesitaría la última fila de la tabla (total). MARGINAL POR COLUMNAS - Distribución por kilos perdidos.

Si se quiere enfocar la distribución marginal respecto a los kilos perdidos, solo se necesitaría la última columna de la tabla (total). MARGINAL POR FILAS - Distribución por horas dormidas.

DISTRIBUCIÓN CONDICIONAL

Dado una variable qué pasa con la otra variable. Se hace preguntas sobre una variable respecto a la otra.

Ejemplo:

Distribución condicional por filas → las filas suman el 100%

De las personas que durmieron entre 3-6 horas, cuánto porcentaje perdió entre 2-4 kilos.

Distribución condicional por columnas → las columnas suman el 100%

De las personas que perdieron 4-56 kilos, cuánto porcentaje durmió entre 9-12 horas.

Antonio Demarco Bonino

Platzi Team

hace 2 años

Hecho el reto:

Gustavo Alonso Aguilar Acuña

hace 2 años

TIP para los que estamos en excel. Si queremos que los valores en 0% no se muestren, la forma que encontré fue:

Seleccionar la tabla (puede ser con shift, cntrl, espacio)
Ir a inicio / formato condicional /nueva regla
Aplicar formato a celdas que contenga
elegir valor de la celda , igual a , = 0
formato, fuente, color: blanco

Pablo Alejandro Figueroa

hace 2 años

Plimolosa

hace 2 años

Daniela Serrano Cárdenas

hace 2 años

ESTADÍSTICA DESCRIPTIVA:

Distribuciones conjuntas: cómo se comporta una variable en relación a otra. Como muestra el ejemplo, se puede tener en una tabla bidimensional la distribución conjunta entre las horas que duermen contra los kilos perdidos.
DISTRIBUCIÓN MARGINAL: se puede definir como la distribución que está a los márgenes de una tabla bidimensional, se puede observar la distribución marginal sumando tanto los totales de las filas como los de las columnas. Depende de esto, se puede calcular la distribución columnar y por filas. ¿Para qué sirve? Indendientemente de la otra variable, se pueden sacar conclusiones de la variable columnar o por filas.
¿Dado una variable qué sucede con la otra?
DISTRIBUCIÓN CONDICIONAL: nos hacemos preguntas de una variable en relación con la segunda: relación entre dos variables.

Jefferson Vilca

hace 2 años

Ejercicio

Rubén Navarro Montenegro

hace 2 años

MIS APUNTES
La distribución conjunta se refiere a la distribución de probabilidad conjunta de dos o más variables aleatorias, proporcionando información sobre cómo se relacionan y combinan. La distribución marginal se obtiene al sumar o integrar la distribución conjunta sobre las variables restantes, y representa la distribución de probabilidad de una variable aleatoria considerada de forma aislada. Por último, la distribución condicional se refiere a la distribución de probabilidad de una variable aleatoria dado un conjunto de información o una condición específica, y es útil para analizar cómo una variable se comporta o cambia en función de otra. Estas distribuciones son fundamentales para comprender el comportamiento conjunto e individual de las variables aleatorias y realizar análisis estadísticos más completos.

David Mateo Sanchez

hace 2 años

Esta es mi tabla

Luciana Benítez

hace 2 años

La distribución marginal es la forma en que esa variable se distribuye individualmente, por sí misma, sin considerar otras variables.

Imagina que estás estudiando la altura y el peso de un grupo de personas. La distribución marginal de la altura mostraría cómo se distribuyen las alturas sin tener en cuenta el peso.
⠀
⠀

La distribución condicional se centra en la distribución de una variable mientras se mantiene fija o se considera una restricción en otra variable.

Siguiendo con el ejemplo anterior, sería estudiar la distribución condicional del peso dado un rango específico de alturas.

Juan José Arcila Valderrama