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.
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
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
)
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?
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
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')
ya me estaba dando ansiedad de que no categorizaran las variables jajaja
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
Eduardo Hoppenstedt
ProfesorMe 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.
Juan R. Vergara M.
Gracias por el resumen amigo.
Jose Potes
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.
Adolfo Sebastián Jara Gavilanes
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
Diego Jurado
Adolfo, gracias por compartir, se nota con tu grafica claramente la diferencia
Juan R. Vergara M.
Gran aporte compañero.
Jeinfferson Bernal G
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 )
Ruddy Ramos
Gracias por el aporte.
Rubén Cuello
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?
Juan R. Vergara M.
Oh si, estoy de acuerdo contigo.
Jeinfferson Bernal G
Muy util!
Antonio Demarco Bonino
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
SERGIO ANDRES HERRERA VELASQUEZ
Gracias
Pablo Alejandro Figueroa
Gracias muchas!!!
Jhon Freddy Tavera Blandon
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')
Andres Martin
ya me estaba dando ansiedad de que no categorizaran las variables jajaja
Pablo Alejandro Figueroa
Luis Mendez
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
Eduardo Hoppenstedt
ProfesorMi fuente es Wikipedia: Paradoja de Simpson
Juan R. Vergara M.
Gracias por el aporte.
Carlos Andrés
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
Pablo Alejandro Figueroa
Juan R. Vergara M.
Muy buenos consejos, como el de visualizar siempre tus datos eres un crack Jesús 🥇
Jhon Alexander Mosquera Vanegas
La paradoja de Simpson muestra que los mismos datos pueden contar dos historias opuestas: la relación negativa entre longitud y profundidad del pico desaparecía al separar por especie. Para quien analiza indicadores sociales, el equivalente es el promedio nacional que esconde lo que pasa dentro de cada territorio o grupo. Por ejemplo, un caso típico es un indicador que mejora en el total aunque empeore en cada región, porque cambió la composición de la población. Antes de reportar una tendencia agregada, vale la pena desagregarla por las categorías disponibles y ver si la conclusión sobrevive.
Luis Orna
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?
Alfonso Neil Jiménez Casallas
Elena Fernandez López
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.
Eduardo Barea
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.
Dennis Ricardo López Morell
Que buen fin :D
Nicolas Ojeda
Chicos, alguien tiene el repositorio del curso? gracias.