Paradoja de Simpson
Contenido del curso
Eduardo Hoppenstedt
Profesor
Juan R. Vergara M.
Jose Potes
Adolfo Sebastián Jara Gavilanes
Diego Jurado
Juan R. Vergara M.
Jeinfferson Bernal G
Ruddy Ramos
Rubén Cuello
Juan R. Vergara M.
Jeinfferson Bernal G
Antonio Demarco Bonino
SERGIO ANDRES HERRERA VELASQUEZ
Pablo Alejandro Figueroa
Jhon Freddy Tavera Blandon
Pablo Alejandro Figueroa
Luis Mendez
Eduardo Hoppenstedt
ProfesorJuan R. Vergara M.
Carlos Andrés
Andres Martin
Pablo Alejandro Figueroa
Juan R. Vergara M.
Luis Orna
Alfonso Neil Jiménez Casallas
Elena Fernandez López
Eduardo Barea
Dennis Ricardo López Morell
Nicolas Ojeda
Jose Potes
Me gustó conocer la paradoja. Un resumen que me pareció sencillo sobre la paradoja de Simpson es:
Una tendencia que aparece en varios grupos de datos desaparece cuando estos grupos se combinan y en su lugar aparece la tendencia contraria para los datos agregados.
Gracias por el resumen amigo.
exacto, por eso se dice que podemos concluir algo contrario sobre lo que ya teniamos. es decir, digamos que una conclusion es que el peso de los animalitos suba en una isla x, entonces, se analizan y agregan mas factores a esa conclusion y esa tendencia desaparece y ahora el peso de los animalitos baja o es central, entonces, esta anomalia la llamamos paradoja simpson.
Les comparto mi gráfica donde las separe por la variables "sex". Podemos ver claramente que el sexo masculino tiene los picos más profundos. Además se observa como la regresión lineal cambia para cada sexo
Adolfo, gracias por compartir, se nota con tu grafica claramente la diferencia
Gran aporte compañero.
Paradoja de Simpson
Fenomeno en el cual es posible concluir dos cosas totalmente opuestas a partir de los mismos datos, dependiendo el como se clasifican estos
Visualiza siempre los datos para tener una mejor idea de las variables que estan relacionadas.
Utiliza pairplot de la libreria Seaborn para obtener un resumen visual de las graficas de par de variables y tener una idea desde el inicio de la EDA sobre la relacion de las variables
#Exploracion visual de los datos con seaborn sns.pairplot( data=preprocessed_penguins_df, hue='species', palette=penguin_color )
Gracias por el aporte.
Es sin duda la gráfica más linda de este curso hasta ahora, y puesto que ofrece tanta información sin ningún tipo de procesamiento previo, no convendría comenzar nuestros análisis con este tipo de gráficas?
Oh si, estoy de acuerdo contigo.
Muy util!
Este video me ayudo a entender mejor la Paradoja de Simpson: https://www.youtube.com/watch?v=hpbXkrm68rI&ab_channel=MinutoDeFisica
Dejo más data por aquí: https://es.wikipedia.org/wiki/Paradoja_de_Simpson
Gracias
Gracias muchas!!!
import seaborn as sns sns.pairplot(data=penguins, hue='species')
sns.pairplot(data=penguins, vars=['bill_length_mm', 'body_mass_g', 'flipper_length_mm'], hue='species')
La paradoja de Simpson lleva el nombre del matemático británico Edward Simpson, quien la describió por primera vez en un artículo en 1951. En su artículo, Simpson presentó un ejemplo hipotético que mostraba cómo una relación aparente entre dos variables en un conjunto de datos se revertía cuando se desagregaban los datos en subgrupos.
Desde entonces, la paradoja de Simpson se ha identificado en una variedad de campos, desde la medicina hasta la economía, y se ha convertido en un tema importante en la estadística y la ciencia de datos. La paradoja de Simpson demuestra cómo es crucial tener en cuenta las variables relevantes y cómo los datos se agrupan antes de sacar conclusiones.
ChatGPT
Mi fuente es Wikipedia: Paradoja de Simpson
Gracias por el aporte.
De mi lado la hice con boddy mass vs bill deph. aparentemente habia una relacion indirecta entre las variables pero al analxar las especies vemos un resultado opuesto
ya me estaba dando ansiedad de que no categorizaran las variables jajaja
Muy buenos consejos, como el de visualizar siempre tus datos eres un crack Jesús 🥇
Es decir uno de los primero pasos deberia ser categorizar los datos?
O al menos es algo que tengo que considerar en las primeras estapas?
En realidad, ha dejado el gráfico sns.pairplot para el final, pero en mi experiencia les recomiendo que cuando empiecen a hacer análisis exploratorio de datos, si no tienen una infinidad de variables, les recomiendo que empiecen por aquí. Se ahorrarán mucho trabajo.
Una solución que me viene a la mente al momento de hacer modelos de regresión, después del análisis exploratorio, es con R con purr y map que permite, por ejemplo seccionar el tibble en este caso por 'species' en unas cuantas líneas a fin de evitar problemas con nuestros modelos:
<
modelos <- 'tibble'%>% split(.$'categoría para seccionar el 'tibble') %>% map(~lm('variable dependiente' ~ 'variable independiente 1' + 'variable independiente 2' + 'variable independiente 3' + 'etc', data = .)) View(modelos) summary(modelos)
Es muy interesante entre lenguajes de programación tener alternativas; sin dudas, Python me fascina.
Que buen fin :D
Chicos, alguien tiene el repositorio del curso? gracias.
Conclusion del curso: con pairplot y con lmplot podemos ir al grano para conocer que variable(s) debemos considerar para realizar un analices. solo que el curso se enfocó en como explorar los datos desde A hasta la Z(a grandes y pocos rasgos). Por lo que entendí, es que la paradoja de simpson no es mas que la doble contrarias entre si que puedes tener bajo el mismo dataset.
