Contenido del curso
Mauricio Gonzalo Aliendre Pérez
Ciro Villafraz
Alfonso Andres Zapata Guzman
JOSE MANRIQUE
Carol Raquel Torrez Santander
Davis Álvarez
Angel Rodriguez
Joaly Canul Interian
Yonatan Efraín Jara Boza
Juan Esteban
Yonatan Efraín Jara Boza
Germán Burguener
Andres Gutiérrez Castillo
Camilo Granda Gómez
Jeinfferson Bernal G
Karen Tatiana Rodríguez Vanegas
FELIX DAVID CORDOVA GARCIA
Jimena Santos
Felipe Sebastián Zepeda González
Christian Rangel
Andres Felipe Vargas Gonzalez
Wilson Lancheros
Freddy Cardozo
Rubén Cuello
VICTOR HERNANDEZ
Augusto Mas
Rafael Rivera
Jeinfferson Bernal G
Juan Pablo Lagos Idrobo
Sergio Andrés Gnecco Dávila
Robert Rondon
Patricia Carolina Perez Felibert
Fernando Jesús Núñez Valdez
Miguelangel Dominguez Gonzalez
Andres Salazar
Matías Collado
Marlon Marin
Jhon Freddy Tavera Blandon
Sebastian Lopez Acero
Tambien se puede usar la funcion st.norm.interval para cuando se tiene una cantidad de muestras (n) mayor o igual a 30, esto debido a que con esta cantidad de muestras se puede asumir que los datos están normalmente distribuidos (teorema del limite central)
En resumen:
Si n<30 usamos st.t.interval
Si n>=30 usamos st.norm.interval
Fuente: https://www.statology.org/confidence-intervals-python/ | |
Justo eso iba a comentar. En la clase anterior se habla de calcular el intervalo de confianza usando una tabla z (se usa para n >= 30), que sería equivalente a usar st.norm.interval Pero en esta clase se calcula usando st.t.interval, sin explicar que esto es equivalente a usar una tabla "t" https://www.tdistributiontable.com/
import plotly.express as px import plotly.graph_objects as go import plotly.offline as pyo pyo.init_notebook_mode() fig = px.scatter(x=pd.Series(var1), y=pd.Series(var2), color=var2, trendline="ols") fig.update_layout(title = 'Relacion de viajados con respecto al dinero gastado', font = dict(family = 'verdana', size = 16, color = 'white'), template = 'plotly_dark', height = 400, width = 900) fig.update_yaxes(ticksuffix = 'Dinero gastado') fig.update_xaxes(ticksuffix = 'Dias de vacaciones') fig.show() # x = var1 = Dias de vacaciones # y = var2 = Dinero gastado
def intervalo_de_confianza(tabla, alpha): resultado = st.norm.interval(alpha = alpha, loc=np.mean(tabla), scale=st.sem(tabla)) print(f'Intervalo de confianza de datos con alpha {alpha}: {resultado}') intervalo_de_confianza(tabla, 0.95) intervalo_de_confianza(tabla, 0.99)
Si en caso tuvieron un problema en ejecutar este comando: sns.regplot(var1, var2, ci=80) se puede corregir así:
<grafico = sns.regplot(x = var1, y = var2, ci=80)>
gracias, justo el problema que tuve... me lo resolviste
Gracias por el aporte, me ha ayudado.
No esta muy bien explicado, por parte de ella incluso no hay una coherencia este ejemplo con lo que hemos visto, hasta ahora, y por eso, crean confusiones. En primer lugar como es random, nos va a dar diferentes intervalos a cada uno.
En segundo lugar, la ultima linea de código, tiene en cuenta la distribución t- student que no se había visto durante el curso y esto se debe a que nuestras muestras son inferiores a 30, por lo que la distribución normal z, no se puede usar. Y esto lo vemos st.t, luego el intervalo que es la parte st.t.interval, va a calcular los intervalos de cada una de las columnas de nuestro dataframe, pero tampoco esta bien explicado los atributos.
alpha = intervalo de confianza df = Grados de libertad, necesarios calcularlos en una tabla t-student y este concepto no se ha visto, pero rápidamente se podría resumir, en las veces que puede iterar un conjunto sin tener la certeza de cual puede seguir, y se calcula como n-1
loc= contiene la media scale = es la escala, es el calculo de la desviación estándar
Hola! Con la función
np.random.seed(20)
Siembras una semilla en el enterno de Python para que los números generados de manera aleatoria sean los mismos cada vez que ejecutes el código.
Gracias Angel. Me fui a la documentación para tratar de comprender y aun no me habia sido suficiente pero con tu comentario ahora estoy más en contexto
Esta clase contiene varias fallas tanto conceptuales como en la interpretación de los resultados. Uno de ellos es que en la celda final donde se imprimen los intervalos de confianza de las variables de la tabla, el resultado es en realidad presentado en la forma de dos arrays: el primero contiene los límites inferiores de los intervalos de las dos variables, y el segundo contiene los límites superiores de los intervalos. Así, en realidad el intervalo de confianza de la variable en la primera columna (días de vacaciones) al nivel de confianza del 95% es [3.004, 6.995] y no [2.8476, 3.004] como dice Silvia. Segundo, si examinan bien el funcionamiento de la función st.t.interval, estos intervalos devueltos son para una prueba A DOS COLAS, por lo que en realidad se está acumulando el 2.5% de la probabilidad a la derecha y el otro 2.5% a la izquierda; en toda la explicación de esta clase y la anterior, Silvia venía trabajando con la probabilidad del 95% a la izquierda! Cuidado con esos detalles!
Si quieren profundizar en este tema que es MUY IMPORTANTE, los invito a consultar el capítulo 7 del libro Probabilidad y Estadística para ingeniería y ciencias de Jay L. Devore.
Amigo tiene mucho sentido lo que explicas. Gracias por la recomendación
Claro, esos intervalos de confianza tan estrechos no tenían ningún sentido. Simplemente examinando la tabla visualmente se puede ver que no es posible.
esta clase da muchos temas por vistos, en que momento se explico cuando usar una t-student ? o el error estandar?. en varias clases me ha salvado la comunidad y en otros he tenido que investigar, pero en este caso si se me hace injusto que dejen lagunas en los temas. hago esta critica de forma constructiva para que el team platzi pueda solucionar estas pequeñas fallas.
Hay muchas ideas equivocadas alrededor de los intervalos de confianza (C.I.) Uno de ellos es pensar que "el 95% de mis datos están entre el límite inferior y el superior de mi C.I.", lo cual es falso. El C.I. no está basado en los datos brutos, sino en nuestra confianza de que futuros experimentos (muestras repetidas) tendrán el mismo C.I. y de que el parámetro poblacional desconocido (la media, por ejemplo) estará en ese rango de valores. Por lo tanto, el C.I. nos permite, con un determinado nivel de probabilidad o confianza (95%, 99%, etc.), decir o inferir que la verdadera media poblacional está dentro del rango de valores calculado.
PD: En el ejemplo de la clase, el resultado nos retorna 2 arrays: el primero con los límites inferiores para ambas variables y el segundo con los límites superiores. Podemos entonces inferir, con un 95% de confianza, que la media poblacional de cada variable, está en su rango de valores calculado correspondiente.
También se puede interpretar así: "El 95% de intervalos de confianza en muestras repetidas contendrán la verdadera media poblacional".
Links para profundizar en este concepto:
https://www.statology.org/confidence-intervals-python/
https://openstax.org/books/introducci%C3%B3n-estad%C3%ADstica-empresarial/pages/8-1-un-intervalo-de-confianza-para-una-desviacion-tipica-de-la-poblacion-con-un-tamano-de-muestra-conocido-o-grande
Muy interesantes recursos. Me ayudo a entender mejor el ejercicio. Gracias 👍🏻
Sinceros agradecimientos a la comunidad por los aportes para aclarar dos puntos que en el vídeo se usan y no se explican:
En la parte final la interpretación está mal hecha, los intervalos están entre 3 y 6.99 & 2.84 y 6.86, háganlo para cada uno independientemente y me creerán
Puede ser porque en el código puso df=len(tabla)-1 por lo que está tomando sólo los 9 valores de la tabla? Habría que poner df=len(tabla). Y tomaría todos los valores.
Iba a reportar lo mismo, Felix ;).
PD: para Jimena Santos: No, los grados de libertad (df en el código) es un asunto totalmente independiente y que tiene que ver con la distribución T Student y el set de datos. La función st.interval entrega por definición una tupla de dos elementos: El primero es un vector con la cota inferior de los parametros, y el segundo, también un vector, con la cota superior de los parametros (Notar que en este ejemplo los parametros son las medias de días y costos).
No quedé satisfecho con la clase N# 12 sobre el cálculo de intervalo confianza en Python. Menos mal que Platzi cuenta con una excelente comunidad que me aclaró las dudas, con los aportes de los demás compañeros estudiantes.
creo que hubo una actualización en la funcion de intervalo, donde en vez de solicitar un alpha nos pide el argumento confidence:
Muchas gracias! duré un buen tiempo sufriendo por eso
jaja seee cambie alpha por confidence por intuicion y funciono ajaja
Reto completado con otras variables: cantidad de materias y horas de estudio. Se espera que a mayor cantidad de materias también las horas de estudio necesarias aumenten.
Tabla
Resultados
Me parece que la clase es confusa y tiene errores conceptuales graves. un IC del 95% de confianza no significa que los datos estén con un 95% de probabilidad en intervalo. la interpretación correcta es que el IC contiene al parametro de la población que se quiere estimar (la media poblacional) en un 95%, es decir, que hay altas posibilidades que ese intervalo contenga dicha media, pues de cada 100 intervalos hay 95 que contiene a la media poblacional. Otra observación es que en la clase anterior se hace una explicación del IC con base a la distribución normal estandar y en esta clase se usa la distribución t student la cuál nunca se mencionó (al menos se debe mencionar). Por último, me parece grave que la prof. no se le haga extraño que un intervalo el lim inf sea mayor que el lim sup (Esto se debe a la mala lectura del resultado obtenido).
Silvia/Comunidad, No me queda claro la interpretación del final, sobretodo cuando pasa a porcentaje. Al multiplicar 6.99 * 100 me da 699% mientras que en el video menciona 69.9%. Agradecería que lo re-expliquen nuevamente. Gracias
Estoy de acuerdo, esta clase no es para nada clara, la explicación de la creación de var2 dice que 0 no gasto y 1 si gasto todo, pero el contenido en la variable van datos hasta 10, hay ya me perdí. Y lo que dices, los valores no cuadran con respecto al porcentaje en el último punto.
Lo mismo pense. Parece que interpreta mal los resultados en cuanto al dinero gastado. Si alguien lo puede explicar mejor, lo agradeceria mucho 😉
No sé porque cuando intenté realizar el grafico como la profesora me salió un error, incluso usando el archivo colab de la profesora.
sns.regplot(x=var1, y=var2, ci=80)
Gracias, me pasó lo mismo
muchas gracias a mi tambien me paso lo mismo
Estoy intentando hacer el mismo cálculo con la tabla Z y me arroja resultados distintos a los de este video. ¿Alguien sabe por qué?
Porque para una muestra menor a 30 samples se usa la tabla T, ya que la distribución no se considera normal. En los aportes ya discutieron esta misma duda pero igualmente te dejo los links que proporcionaron y me ayudaron a entender mejor el tema.
¿Como se calcula el nivel de significancia?
significancia = 1 - confianza
Y acá dejo el curso. Malas explicaciones, conceptos dados por hecho, falta de claridad. Por favor avisen cuando arreglen esto.
PD: No tengo nada contra la profe. Éxitos para ella!
Una clase muy regular, nada clara.
Utilizando la función t.interval() del módulo scipy.stats.t, como se mencionó anteriormente. Esta función toma como argumentos la media muestral, la desviación estándar muestral, el tamaño de la muestra y el nivel de confianza, y devuelve los límites inferior y superior del intervalo de confianza.
Utilizando la función norm.interval() del módulo scipy.stats.norm si se asume una distribución normal. Esta función toma como argumentos la media muestral, la desviación estándar muestral y el nivel de confianza, y devuelve los límites inferior y superior del intervalo de confianza.
Utilizando la función proportion_confint() del módulo statsmodels.stats.proportion para calcular un intervalo de confianza para una proporción. Esta función toma como argumentos el número de éxitos (número de veces que ocurre un evento) y el número de intentos (número de veces que se realiza un experimento) y el nivel de confianza.
import numpy as np media_muestral = 5 desviacion_estandar_muestral = 2 n = 10 alpha = 0.05 z_critical = norm.ppf(1 - alpha/2) intervalo_inferior = media_muestral - z_critical * (desviacion_estandar_muestral / np.sqrt(n)) intervalo_superior = media_muestral + z_critical * (desviacion_estandar_muestral / np.sqrt(n)) print(f'Intervalo de confianza: [{intervalo_inferior}, {intervalo_superior}]')
Para los que le da error de tipo
TypeError: rv_generic.interval() missing 1 required positional argument: 'confidence'
La solución es cambiar alpha por cofidence
