Cursos Empresas Blog Live Conf Eventos Precios

0:0011:59

Estadística descriptiva aplicada: funciones de densidad de probabilidad

Curso de Análisis Exploratorio de Datos

Clase 14 / 28

Ver clases

Estadística descriptiva aplicada: funciones de densidad de probabilidad

Curso de Análisis Exploratorio de Datos

Clase 14 de 28

Clase 14 / 28

Estadística descriptiva aplicada: funciones de densidad de probabilidad

Curso de Análisis Exploratorio de Datos

Clase 14 / 28

Ver clases

Gabriel Obregón

Hace 2 años

FUNCIONES DE DENSIDAD DE PROBABILIDAD

1.Gráfico de Estimación de Densidad (KDE) para flipper_length_mm sns.kdeplot(data=processed_penguins_df, x='flipper_length_mm')

Descripción: Genera un gráfico de estimación de densidad (KDE) para la variable flipper_length_mm del conjunto de datos processed_penguins_df. La KDE proporciona una estimación suave de la función de densidad de probabilidad.
Salida: El gráfico muestra la densidad de valores de flipper_length_mm, donde el eje x representa la longitud de las aletas en milímetros y el eje y la densidad.

2.Gráfico de Densidad para flipper_length_mm (con ajuste de ancho de banda) sns.kdeplot(data=processed_penguins_df, x='flipper_length_mm', bw_adjust=0.5)

Descripción: Similar al anterior, pero ajusta el ancho de banda (suavidad) del KDE con bw_adjust=0.5. Un ancho de banda menor genera una curva de densidad menos suave.
Salida: Un gráfico de densidad con mayor sensibilidad a las variaciones en los datos.

3.Resumen Estadístico de body_mass_gstats = processed_penguins_df.body_mass_g.describe()

Descripción: Calcula estadísticas descriptivas (conteo, media, desviación estándar, mínimo, cuartiles y máximo) para la variable body_mass_g del conjunto de datos.
Salida: Muestra las estadísticas de resumen del peso corporal en gramos.

4.Generar Valores Espaciados Linealmente para body_mass_g xs = np.linspace(stats['min'], stats['max'])

Descripción: Crea un arreglo de valores uniformemente espaciados entre el mínimo y el máximo del peso corporal, utilizado para cálculos estadísticos posteriores.

5.Función de Distribución Acumulativa (CDF) ys = scipy.stats.norm(stats['mean'], stats['std']).cdf(xs)

Descripción: Calcula la CDF de una distribución normal con la media y desviación estándar de body_mass_g para cada valor en xs.

6.Gráfico de CDF Empírica y Teóricaempirical = processed_penguins_df.body_mass_g

plt.plot(xs, ys, color='black', linestyle='dashed')

empirical.cdf(plot=True, normalize=True)

Descripción:
- Dibuja la CDF teórica de body_mass_g (línea discontinua negra).
- Superpone la CDF empírica calculada a partir del conjunto de datos para comparación.
Salida: Un gráfico que compara las funciones de distribución acumulativa teórica y empírica.

**7.Comparación de Función de Densidad de Probabilidad (PDF)**ys = scipy.stats.norm(stats['mean'], stats['std']).pdf(xs)

sns.kdeplot(data=processed_penguins_df, x='body_mass_g')

Descripción:
- Calcula la PDF teórica de body_mass_g basada en una distribución normal.
- La superpone con el gráfico de densidad KDE de la variable body_mass_g.
Salida: Un gráfico combinado que muestra las curvas de densidad teórica y empírica.

Comentarios (30)30 comentarios

Diego Jurado

Hace 4 años

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.

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

Jeinfferson Bernal G

Muy buen curso!

Carlos Mazzaroli

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

Ian Cristian Ariel Yané

Hace 3 años

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

Diego Moreno Gallón

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

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

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

Muy bueno este curso, facil de seguir y entender 💯

Luisa Alvarez Bello

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

Hace un año

Excelente aporte!

Alfonso Neil Jiménez Casallas

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

Andres Sanchez

José Rodrigo Arana Hi

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

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.

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

david jurado

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

Dionicio Perez

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

wilmer forigua

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

Gracias.

Jhon Alexander Mosquera Vanegas

Hace 5 días

El cierre de la clase deja una regla práctica: para explorar, la función acumulada, porque los valores atípicos la afectan poco; para comunicar al público general, la de masa o la de densidad. Además, el profesor compara el peso de los pingüinos con una normal de igual media y desviación y concluye que no se parece, algo relevante porque muchas pruebas asumen normalidad en los datos o en los residuos del modelo. Antes de aplicar una prueba a variables como ingreso o gasto, ese contraste gráfico es una verificación barata de un supuesto que suele darse por hecho.

Sebastián Deantonio

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

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

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.

Estadística descriptiva aplicada: funciones de densidad de probabilidad

Estadística descriptiva aplicada: funciones de densidad de probabilidad

Estadística descriptiva aplicada: funciones de densidad de probabilidad

Progreso del curso

Introducción al análisis exploratorio de datos

Análisis univariado

Análisis bivariado

Análisis multivariado

Conclusiones

Estadística descriptiva aplicada: funciones de densidad de probabilidad

Estadística descriptiva aplicada: funciones de densidad de probabilidad

Comentarios

Estadistica Descriptiva Aplicada: Funciones de Probabilidad (PDFs)

14. Estadística descriptiva aplicada: funciones de densidad de probabilidad

Comentarios

Estadistica Descriptiva Aplicada: Funciones de Probabilidad (PDFs)

14. Estadística descriptiva aplicada: funciones de densidad de probabilidad