Estadística descriptiva aplicada: funciones de densidad de probabilidad

Cursos Empresas Blog Live Conf Precios

Contenido del curso

Introducción al análisis exploratorio de datos

Análisis univariado

Análisis bivariado

Análisis multivariado

Conclusiones

Tomar examen

Estadística descriptiva aplicada: funciones de densidad de probabilidad

Comentarios

Diego Jurado

student

Vamos por la mitad de este Nuevo Curso de Análisis Exploratorio de Datos, y hasta aquí realmente se nota la diferencia con el anterior, que bien que Platzi se renueva constantemente

Juan R. Vergara M.

student

Es correcto, temé el curso anterior y ahora me estoy actualizando con este.

Jeinfferson Bernal G

student

Muy buen curso!

Carlos Mazzaroli

student

Aca podemos ver que hay cierto grado de sesgo en cada variable, pero hay que tener en cuenta que estamos analizando las 3 especies en un solo conjunto, es normal que haya este tipo de sesgo.

Pero si analizamos cada variable dividida por especie podemos ver que la distribución empírica se adapta mejor a la distribución teórica

jhon velasque

student

compañero como pudiste hacer tantas graficas ? psta me refiero a la imagen 2 la 1 la hice haci como la vez?

#como  saber si las categorias se destribujen de manera normal
medida=df_penguis.select_dtypes('float64').columns
fig,ax=plt.subplots(1,4,figsize=(15,3))
for i ,value in enumerate(medida) :
    stats=df_penguis[value].describe()
    xs=np.linspace(stats['min'],stats['max'])
    ys=scipy.stats.norm(stats['mean'],stats['std']).pdf(xs)
    ax[i].plot(xs,ys,color='purple',linestyle='dashed')
    #value real
    sns.kdeplot(
        ax=ax[i],
        data=df_penguis,
        x=value,
        color='black'
    )
fig.tight_layout()

Carlos Mazzaroli

student

Filtros

species = penguins.species.unique()

adelie_df = penguins.query("species == 'Adelie'")
gentoo_df = penguins.query("species == 'Gentoo'")
chinstrap_df = penguins.query("species == 'Chinstrap'")

specie = [adelie_df,gentoo_df,chinstrap_df]
numeric_columns = penguins.select_dtypes(include=np.number).columns

Gráfico

for i, i_col in enumerate(specie):
    for j, j_col in enumerate(numeric_columns):
        stats = i_col[j_col].describe()

        xs = np.linspace(stats['min'],stats['max']) 
        ys = scipy.stats.norm(stats['mean'], stats['std']).pdf(xs)

        ax[i][j].plot(xs,ys, color='black',linestyle='--')

        sns.kdeplot(
            ax = ax[i][j],
            data = i_col,
            x=j_col,
            hue='species',
            palette=penguin_color
        )

Jeinfferson Bernal G

student

Estadistica Descriptiva Aplicada: Funciones de Probabilidad (PDFs)

Nos ayudan a estimar la probabilidad para valores que no contiene el dataset, fomando una distribucion continua. Tambien son utiles para ver la forma de la distribucion a detalle y hacer comparaciones con la distribucion teorica.

Grafica de la Densidad de probabilidad. Varia el ancho de banda de los picos de la distribucion con el parametro bw_method para obtener mucha mas informacion. Utiliza este parametro para comparar distribuciones

sns.kdeplot(
    data=preprocessed_penguins_df,
    x='flipper_length_mm',
    bw_method=0.2 #ancho de banda 
)

Comparando la distribución de los datos con la teórica utilizando la ECDFs

# Obtenemos los estadisticos de la variable
stats = dataFrame.nombre_variable.describe()

# generamos los valores aleatorios a partir de los estadisticos de los datos 
# utilizando el ECDFs
xs = np.linspace(stats['min'], stats['max']) #array de valores aleatorios
ys = scipy.stats.norm(stats['mean'], stats['std']).cdf(xs) #valores de probabilidad para cada valor

# grafica de la distribucion de datos aleatorios
plt.plot(xs, ys, color='black', linestyle='dashed')

# grafica de la distribucion de los datos reales
empiricaldist.Cdf.from_seq(
    dataFrame.nombre_variable,
    normalize=True
).plot()

Comparando la distribución de los datos con la teórica utilizando PDFs

# generar valores aleatorios a partir de los estadisticos de los datos
# utilizando el PDFs
xs = np.linspace(stats['min'], stats['max']) #array de valores aleatorios
ys = scipy.stats.norm(stats['mean'], stats['std']).pdf(xs) #valores de probabilidad para cada valor

# grafica de la distribucion de datos aleatorios
plt.plot(xs, ys, color='black', linestyle='dashed')

# empiricaldist no incluye esta funcion por lo que utilizamos seaborn
sns.kdeplot(
    data=dataFrame,
    x='nombre_variable'
)

Ian Cristian Ariel Yané

student

Muy buen apunte, tendrías que subirlo a un tutorial del curso; no hay ninguno.

Diego Moreno Gallón

student

Esta super bien el curso, solo tengo una corrección. En realidad al analizar la pdf la distribución esta sesgada a la derecha y no a la izquierda (si es izquierda o derecha depende de que lado la cola de la distribución es más pesada). Esta super bueno el curso de análisis exploratorio de datos 10/10.

Jeison Gerardo Rodriguez

student

Cuando se trabaja con distribuciones continuas (pdf) no tiene mucho sentido hablar de una moda, creo que a lo que te refieres es a la mediana. Completamente de acuerdo con lo demás de tu comentario.

Andyno Cortez

student

Si hay interpretacion para la moda en datos continuos (de hecho la generalizacion de los estadisticos en datos continuos y tienen su caso particular en datos discretos), primero depende del tamaño de bins y luego hay formulas y lo demas si te interesa( tambien pandas te calcula esto como calcula los demas estadisticos), que te dice cual seria la moda y tu ya la colocas en el interbalo que corresponde.

Bryan Carvajal

student

Muy bueno este curso, facil de seguir y entender 💯

Luisa Alvarez Bello

student

Que tus datos no sigan una distribución normal significa que no se distribuyen de la manera clásica en forma de campana (bell curve). Esto puede implicar que tus datos son asimétricos, tienen múltiples picos (multimodales) o presentan colas más largas (distribución leptocúrtica o platicúrtica). En el análisis exploratorio, es crucial identificar esto, ya que muchos métodos estadísticos, como la prueba t o ANOVA, asumen normalidad. Si los datos no son normales, podrías necesitar aplicar transformaciones o utilizar métodos estadísticos no paramétricos.

Rai Alberto DeLeón Solano

student

Excelente aporte!

Alfonso Neil Jiménez Casallas

student

este curso está tan denso como las funciones de densidad de probabilidad XD

Andres Sanchez

student

14. Estadística descriptiva aplicada: funciones de densidad de probabilidad

Para el que le pueda servir

La función plot_kde_for_numeric_variables genera gráficos de densidad de probabilidad kernel (KDE) por especie para las columnas numéricas en un DataFrame. Itera sobre cada especie y columna para generar los gráficos correspondientes. También se traza una distribución normal con línea punteada para representar la distribución teórica basada en las estadísticas de cada columna y especie. Los gráficos se organizan en una o varias filas, y cada gráfico tiene etiquetas de ejes y títulos correspondientes. Finalmente, los gráficos se muestran mediante plt.show().

def plot_kde_for_numeric_variables(dataframe):  # Funcion para graficar la funcion de densidad de probabilidad por especie
    numeric_columns = dataframe.select_dtypes(include=np.number).columns  # Obtiene las columnas numéricas del DataFrame
    num_plots = len(numeric_columns)  # Cantidad de gráficos a generar según las columnas numéricas
    species = dataframe['species'].unique()  # Especies únicas presentes en la columna "species"
    num_species = len(species)  # Cantidad de especies presentes

    fig, axes = plt.subplots(num_species, num_plots, figsize=(15, 5*num_species))  # Crea una figura y subfiguras para los gráficos

    for i, specie in enumerate(species):  # Itera sobre cada especie
        specie_data = dataframe[dataframe['species'] == specie]  # Filtra los datos para la especie actual

        for j, column in enumerate(numeric_columns):  # Itera sobre cada columna numérica
            ax = axes[i, j] if num_species > 1 else axes[j]  # Obtiene los ejes correspondientes a la subfigura actual
            stats = {
                'min': specie_data[column].min(),  # Mínimo de la columna actual y especie actual
                'max': specie_data[column].max(),  # Máximo de la columna actual y especie actual
                'mean': specie_data[column].mean(),  # Media de la columna actual y especie actual
                'std': specie_data[column].std()  # Desviación estándar de la columna actual y especie actual
            }

            xs = np.linspace(stats['min'], stats['max'], num=100)  # Valores para el eje x (espaciados uniformemente)
            ys = scipy.stats.norm(stats['mean'], stats['std']).pdf(xs)  # Valores de densidad de probabilidad para el eje y
            ax.plot(xs, ys, color='gray', linestyle='dashed')  # Traza la distribución normal en los ejes

            sns.kdeplot(data=specie_data, x=column, ax=ax)  # Traza el gráfico de densidad de probabilidad kernel (KDE)

            ax.set_xlabel(column)  # Etiqueta del eje x
            ax.set_ylabel('Density')  # Etiqueta del eje y

            ax.set_title('KDE Plot for ' + column + ' (' + specie + ')')  # Título de la subfigura

    plt.tight_layout()  # Ajusta los espacios entre subfiguras
    plt.show()  # Muestra los gráficos

José Rodrigo Arana Hi

student

En 9:40, el profe menciona que la gráfica está sesgada a la izquierda, cuando el término correcto es que es asimétrico hacia la derecha, pues su lado derecho se extiende mucho más lejos que el izquierdo.

Naren Fragozo

student

bw_method es el ancho de banda utilizado para el KDE, que controla la suavidad del gráfico. Un valor bajo indica una curva más suave, mientras que un valor alto indica una curva más irregular. En este caso, se utiliza un valor de 0.1.

jhon velasque

student

mi aporte de la grafica de dispersión normal para las otras 3 variables

medida=df_penguis.select_dtypes('float64').columns
fig,ax=plt.subplots(1,4,figsize=(15,3))
for i ,value in enumerate(medida) :
    stats=df_penguis[value].describe()
    xs=np.linspace(stats['min'],stats['max'])
    ys=scipy.stats.norm(stats['mean'],stats['std']).pdf(xs)
    ax[i].plot(xs,ys,color='purple',linestyle='dashed')
    #value real
    sns.kdeplot(
        ax=ax[i],
        data=df_penguis,
        x=value,
        color='black'
    )
fig.tight_layout()

Fernando Jesús Núñez Valdez

student

El bill_length_mm tampoco sigue una distribución normal:

stats = process_penguins_df.bill_length_mm.describe()

xs = np.linspace(stats['min'], stats['max'])
ys = scipy.stats.norm(stats['mean'], stats['std']).pdf(xs)

plt.plot(xs, ys, color='black', linestyle='dashed')
sns.kdeplot(
    data=process_penguins_df,
    x='bill_length_mm'
)

Aunque si agrupamos por especie de entonces sucede esto: (para probar con diferentes especies solamente cambiar la variable ++specie ++, colocar la especie de interes: Adelie, Gentoo o Chinstrap.

Quizá el Gentoo es el que sigue una distribución mas normal.

specie='Adelie'
df_by_specie = process_penguins_df[process_penguins_df['species']==specie]
stats = df_by_specie.bill_length_mm.describe()

xs = np.linspace(stats['min'], stats['max'])
ys = scipy.stats.norm(stats['mean'], stats['std']).pdf(xs)

plt.plot(xs, ys, color='black', linestyle='dashed')
sns.kdeplot(
    data=df_by_specie,
    x='bill_length_mm'
)
plt.title(f"{specie}'s bill_length_mm")

david jurado

student

Para que sirve el código scipy.stats.norm() ?

Dionicio Perez

student

Vamos por partes

Scipy es una libreria de python que incluye muchas herramientas cientificas, su nombre viene de science - python --> scipy
Dentro de la libreria scipy, hay libreria dedicada a herramientas estadisticas, la cual es stats
la función norm() nos crea una objeto que contiene la información y los datos de una distribución estandar, la forma en que esta puesto en el curso, es una distrubución estandar con promedio = stats['mean'] y con desviación estandar = stats['std]. Para mas información de esa función haz click aqui

Pablo Alejandro Figueroa

student

# Filtros
adelie_df = dfnn.query("species == 'Adelie'")
gentoo_df = dfnn.query("species == 'Gentoo'")
chinstrap_df = dfnn.query("species == 'Chinstrap'")

species = [adelie_df, gentoo_df, chinstrap_df]
numeric_columns = dfnn.select_dtypes(include=np.number).columns

fig, ax = plt.subplots(3, 4, figsize=(30, 20))

for i, species_df in enumerate(species):
    for j, numeric_column in enumerate(numeric_columns):
        # Calcula estadísticas descriptivas
        stats = species_df[numeric_column].describe()

        # Genera datos para la distribución normal
        xs = np.linspace(stats['min'], stats['max'], 1000)
        ys = scipy.stats.norm(stats['mean'], stats['std']).cdf(xs)

        # Grafica la distribución normal
        ax[i][j].plot(xs, ys, color='black', linestyle='--', label='Distribución Normal')

        # Grafica la distribución empírica
        empiricaldist.Cdf.from_seq(
            dfnn[numeric_column],
            normalize=True
        ).plot(ax=ax[i][j], label='Distribución Empírica')

        ax[i][j].set_title(f'{numeric_column} - {species_df["species"].iloc[0]}')
        ax[i][j].legend()

plt.tight_layout()
plt.show()

wilmer forigua

student

graficando la dist. acumulada (CDF) TEORICA

xs = np.linspace(stats['min'], stats['max']) ys = scipy.stats.norm(stats['mean'], stats['std']).cdf(xs) plt.plot(xs,ys,color='black',linestyle='dashed')

graficamos nuestros datos body_mass_g

empiricaldist.Cdf.from_seq( processed_penguins_df.body_mass_g, normalize=True).plot()

Alfonso Andres Zapata Guzman

student

xs = np.linspace(stats['min'], stats['max'])
ys = scipy.stats.norm(stats['mean'], stats['std']).cdf(xs)

fig1 = px.ecdf(processed_penguins_df, x="body_mass_g")

fig2 = px.line(x=xs, y=ys)

fig2.update_traces(line_color='red', line={"dash": "dash"})

fig3 = go.Figure(data=fig1.data + fig2.data)

fig3.show()

xs = np.linspace(stats['min'], stats['max'])
ys = scipy.stats.norm(stats['mean'], stats['std']).pdf(xs)

hist_data = [processed_penguins_df.body_mass_g]

group_labels = ['All body mass']

fig1 = ff.create_distplot(hist_data, group_labels, show_hist=False, histnorm='probability density', bin_size=1, show_rug=False)

fig2 = px.line(x=xs, y=ys)

fig2.update_traces(line_color='red', line={"dash": "dash"})

fig3 = go.Figure(data=fig1.data + fig2.data)

fig3.show()

Juan R. Vergara M.

student

Gracias.

Sebastián Deantonio

student

cuándo se tienen muchas columnas, ejemplo 60, ¿es recomendable hacer este análisis para todas (numéricas) o existe un método más eficiente?

Alirio Andres Rico Valderrama

student

Tengo una duda, si vemos que efectivamente la distribución no se ajusta a una normal, entonces no sería conveniente utilizar la función de probabilidad normal, cdf por ejemplo?

Yonatan Efraín Jara Boza

student

No es conveniente representarla con una distribución normal, en el curso de probabilidad anterior mostraron otros métodos para casos más irregulares. En este caso en especial se tiene que ser más profundo en notar que se deben separar por especies. El profesor esta exponiendo un experimento, ha comparado y ha llegado a la conclusión de que el pdf y cdf no se ajustan a su datos.

Madison Eduardo Herrera Carrión

student

Hola tengo una pregunta,

En el momento que deseo calcular los estadísticos de una base de datos mías, me sale este error:

Mi base de datos es esta:

Alguien sabe ¿Cuál es el error?

Ian Cristian Ariel Yané

student

En general, genial el curso!, de los mejores profesionales que eh visto.

En la seccion de distribuciones de probabilidad se usa una PMF para una variable continua ('pmf_flipper_length_mm'), no deberia utilizarse una variable discreta como 'species' o 'sex'??, hago esta pregunta porque flaqueo de estadistica y probabilidad y esto me genero dudas..

Saludos! y aguardo una respuesta

#como  saber si las categorias se destribujen de manera normal
medida=df_penguis.select_dtypes('float64').columns
fig,ax=plt.subplots(1,4,figsize=(15,3))
for i ,value in enumerate(medida) :
    stats=df_penguis[value].describe()
    xs=np.linspace(stats['min'],stats['max'])
    ys=scipy.stats.norm(stats['mean'],stats['std']).pdf(xs)
    ax[i].plot(xs,ys,color='purple',linestyle='dashed')
    #value real
    sns.kdeplot(
        ax=ax[i],
        data=df_penguis,
        x=value,
        color='black'
    )
fig.tight_layout()
    

species = penguins.species.unique()

adelie_df = penguins.query("species == 'Adelie'")
gentoo_df = penguins.query("species == 'Gentoo'")
chinstrap_df = penguins.query("species == 'Chinstrap'")

specie = [adelie_df,gentoo_df,chinstrap_df]
numeric_columns = penguins.select_dtypes(include=np.number).columns

for i, i_col in enumerate(specie):
    for j, j_col in enumerate(numeric_columns):
        stats = i_col[j_col].describe()

        xs = np.linspace(stats['min'],stats['max']) 
        ys = scipy.stats.norm(stats['mean'], stats['std']).pdf(xs)

        ax[i][j].plot(xs,ys, color='black',linestyle='--')

        sns.kdeplot(
            ax = ax[i][j],
            data = i_col,
            x=j_col,
            hue='species',
            palette=penguin_color
        ) 

# Obtenemos los estadisticos de la variable
stats = dataFrame.nombre_variable.describe()

# generamos los valores aleatorios a partir de los estadisticos de los datos 
# utilizando el ECDFs
xs = np.linspace(stats['min'], stats['max']) #array de valores aleatorios
ys = scipy.stats.norm(stats['mean'], stats['std']).cdf(xs) #valores de probabilidad para cada valor

# grafica de la distribucion de datos aleatorios
plt.plot(xs, ys, color='black', linestyle='dashed')

# grafica de la distribucion de los datos reales
empiricaldist.Cdf.from_seq(
    dataFrame.nombre_variable,
    normalize=True
).plot()

# generar valores aleatorios a partir de los estadisticos de los datos
# utilizando el PDFs
xs = np.linspace(stats['min'], stats['max']) #array de valores aleatorios
ys = scipy.stats.norm(stats['mean'], stats['std']).pdf(xs) #valores de probabilidad para cada valor

# grafica de la distribucion de datos aleatorios
plt.plot(xs, ys, color='black', linestyle='dashed')

# empiricaldist no incluye esta funcion por lo que utilizamos seaborn
sns.kdeplot(
    data=dataFrame,
    x='nombre_variable'
)

def plot_kde_for_numeric_variables(dataframe):  # Funcion para graficar la funcion de densidad de probabilidad por especie
    numeric_columns = dataframe.select_dtypes(include=np.number).columns  # Obtiene las columnas numéricas del DataFrame
    num_plots = len(numeric_columns)  # Cantidad de gráficos a generar según las columnas numéricas
    species = dataframe['species'].unique()  # Especies únicas presentes en la columna "species"
    num_species = len(species)  # Cantidad de especies presentes

    fig, axes = plt.subplots(num_species, num_plots, figsize=(15, 5*num_species))  # Crea una figura y subfiguras para los gráficos

    for i, specie in enumerate(species):  # Itera sobre cada especie
        specie_data = dataframe[dataframe['species'] == specie]  # Filtra los datos para la especie actual

        for j, column in enumerate(numeric_columns):  # Itera sobre cada columna numérica
            ax = axes[i, j] if num_species > 1 else axes[j]  # Obtiene los ejes correspondientes a la subfigura actual
            stats = {
                'min': specie_data[column].min(),  # Mínimo de la columna actual y especie actual
                'max': specie_data[column].max(),  # Máximo de la columna actual y especie actual
                'mean': specie_data[column].mean(),  # Media de la columna actual y especie actual
                'std': specie_data[column].std()  # Desviación estándar de la columna actual y especie actual
            }

            xs = np.linspace(stats['min'], stats['max'], num=100)  # Valores para el eje x (espaciados uniformemente)
            ys = scipy.stats.norm(stats['mean'], stats['std']).pdf(xs)  # Valores de densidad de probabilidad para el eje y
            ax.plot(xs, ys, color='gray', linestyle='dashed')  # Traza la distribución normal en los ejes

            sns.kdeplot(data=specie_data, x=column, ax=ax)  # Traza el gráfico de densidad de probabilidad kernel (KDE)

            ax.set_xlabel(column)  # Etiqueta del eje x
            ax.set_ylabel('Density')  # Etiqueta del eje y

            ax.set_title('KDE Plot for ' + column + ' (' + specie + ')')  # Título de la subfigura

    plt.tight_layout()  # Ajusta los espacios entre subfiguras
    plt.show()  # Muestra los gráficos

medida=df_penguis.select_dtypes('float64').columns
fig,ax=plt.subplots(1,4,figsize=(15,3))
for i ,value in enumerate(medida) :
    stats=df_penguis[value].describe()
    xs=np.linspace(stats['min'],stats['max'])
    ys=scipy.stats.norm(stats['mean'],stats['std']).pdf(xs)
    ax[i].plot(xs,ys,color='purple',linestyle='dashed')
    #value real
    sns.kdeplot(
        ax=ax[i],
        data=df_penguis,
        x=value,
        color='black'
    )
fig.tight_layout()

stats = process_penguins_df.bill_length_mm.describe()

xs = np.linspace(stats['min'], stats['max'])
ys = scipy.stats.norm(stats['mean'], stats['std']).pdf(xs)

plt.plot(xs, ys, color='black', linestyle='dashed')
sns.kdeplot(
    data=process_penguins_df,
    x='bill_length_mm'
)

specie='Adelie'
df_by_specie = process_penguins_df[process_penguins_df['species']==specie]
stats = df_by_specie.bill_length_mm.describe()

xs = np.linspace(stats['min'], stats['max'])
ys = scipy.stats.norm(stats['mean'], stats['std']).pdf(xs)

plt.plot(xs, ys, color='black', linestyle='dashed')
sns.kdeplot(
    data=df_by_specie,
    x='bill_length_mm'
)
plt.title(f"{specie}'s bill_length_mm")

# Filtros
adelie_df = dfnn.query("species == 'Adelie'")
gentoo_df = dfnn.query("species == 'Gentoo'")
chinstrap_df = dfnn.query("species == 'Chinstrap'")

species = [adelie_df, gentoo_df, chinstrap_df]
numeric_columns = dfnn.select_dtypes(include=np.number).columns

fig, ax = plt.subplots(3, 4, figsize=(30, 20))

for i, species_df in enumerate(species):
    for j, numeric_column in enumerate(numeric_columns):
        # Calcula estadísticas descriptivas
        stats = species_df[numeric_column].describe()

        # Genera datos para la distribución normal
        xs = np.linspace(stats['min'], stats['max'], 1000)
        ys = scipy.stats.norm(stats['mean'], stats['std']).cdf(xs)

        # Grafica la distribución normal
        ax[i][j].plot(xs, ys, color='black', linestyle='--', label='Distribución Normal')

        # Grafica la distribución empírica
        empiricaldist.Cdf.from_seq(
            dfnn[numeric_column],
            normalize=True
        ).plot(ax=ax[i][j], label='Distribución Empírica')

        ax[i][j].set_title(f'{numeric_column} - {species_df["species"].iloc[0]}')
        ax[i][j].legend()

plt.tight_layout()
plt.show()

xs = np.linspace(stats['min'], stats['max'])
ys = scipy.stats.norm(stats['mean'], stats['std']).cdf(xs)

fig1 = px.ecdf(processed_penguins_df, x="body_mass_g")

fig2 = px.line(x=xs, y=ys)

fig2.update_traces(line_color='red', line={"dash": "dash"})

fig3 = go.Figure(data=fig1.data + fig2.data)

fig3.show()

xs = np.linspace(stats['min'], stats['max'])
ys = scipy.stats.norm(stats['mean'], stats['std']).pdf(xs)

hist_data = [processed_penguins_df.body_mass_g]

group_labels = ['All body mass']

fig1 = ff.create_distplot(hist_data, group_labels, show_hist=False, histnorm='probability density', bin_size=1, show_rug=False)

fig2 = px.line(x=xs, y=ys)

fig2.update_traces(line_color='red', line={"dash": "dash"})

fig3 = go.Figure(data=fig1.data + fig2.data)

fig3.show()

Introducción al análisis exploratorio de datos

¿Qué es y para qué sirve el análisis exploratorio de datos?

¿Cómo hacer un análisis exploratorio de datos?

Tipos de análisis de datos

Tipos de datos y análisis de variables

Herramientas de software para el análisis exploratorio de datos

Conociendo nuestros datos: palmerpenguins

Recolección de datos, limpieza y validación

Ejercicio de validación de datos

Análisis univariado

Explorando una variable categórica: conteos y proporciones

Estadística descriptiva aplicada: medidas de tendencia central

Estadística descriptiva aplicada: medidas de dispersión

Ejercicio de obtención de medidas de dispersión

Estadística descriptiva aplicada: distribuciones