Análisis Exploratorio de Datos

Transcripción

1 Análisis Exploratorio de Datos

2 10 Qué son los Datos? Una variable es una propiedad o característica de un Individuo Ejemplos: color de ojos de un persona, temperatura, estado civil Una colección de variables describen a un Individuo Individuos Un individuo también se conoce como registro, punto, caso, objeto, entidad, ejemplo de observación Id Dev. Estado Civil Variables Impuestos Fraude 1 Si Soltero 125Mil No 2 No Casado 100Mil No 3 No Soltero 70Mil No 4 Si Casado 120Mil No 5 No Divorciado 95Mil Si 6 No Casado 60Mil No 7 Si Divorciado 220Mil No 8 No Soltero 85Mil Si 9 No Casado 75Mil No 10 No Soltero 90Mil Si

3 Tipos de Variables Cualitativos vs. Cuantitativos Cualitativo (o categórico) las variables representan distintas categorías en lugar de números. Las operaciones matemáticas como la suma y la resta no tienen sentido. Ejemplos: color de los ojos, grado académico, dirección IP, código postal. Cuantitativos (o numéricos) las variables son los números y pueden ser tratados como tales. Ejemplos: peso, fallos por hora, el número de televisores, la temperatura

4 Variables Cualitativas

5 Tipos de Variables

6 Variables Cuantitativas Los valores de la variable son números = cada valor posible es menor o mayor que otro valor Ejemplos: edad, ingresos, nota en un examen, número de años de educación, kilómetros de distancia entre trabajo y residencia OJO: hay números que son etiquetas ; por ejemplo: el código postal; el número de teléfono; el código de una asignatura

7 Variable Discreta vs Variable Continua Una Variable Discreta es aquella en la cuál se puede contar el número posible de valores (son números enteros) Una Variable Continua puede tomar cualquier valor en un intervalo dado (son números reales)

8 Variables Cualitativas Variables cualitativas son aquellas que clasifican las unidades en categorías. Las categorías pueden tener un orden natural (ordinales) o no (nominales). Cuando las variables son ordinales podemos contar número de casos, comparar entre categorías, pero no podemos realizar operaciones numéricas.

9 Variables Ordinales Categorías, no números, que tienen un orden, pero no existe una distancia o intervalo definido entre los valores Ejemplo: profesión Bachiller, Licenciado, Máster, Doctor Tratamiento estadístico: A veces, como variables cualitativas A veces, como variables cuantitativas

10 Variables Nominales Los valores son categorías Las categorías son valores diferentes por una cualidad, no por una cantidad Ningún valor se puede decir que sea mayor o menor que otro Ejemplos: partido político al que votó; región en que vive; sexo; estado civil.

11 cómo transformar variables cuantitativas en cualitativas? La conversión de una variable cuantitativa en cualitativa se denomina categorización. 1. Se ordena la variable 2. Se decide el número k de categorías 3. Se buscan los límites e intervalos para cada categoría [min, min+(max-min)/k[, [min, min+2*(max-min)/k[ 4. Se asigna una etiqueta para cada categoría 5. En la variable original (sin ordenar) se cambia cada valor por una etiqueta según el intervalo al que corresponda

12 Ejemplo: Ejemplo Transforma Variable.xlsx

13 Los Datos en Métodos Descriptivos Variable j

14 Ejemplo Matemáticas Ciencias Español Historia EdFísica Lucía Pedro Inés Luis Andrés Ana Carlos José Sonia María

15 10 10 Los Datos en Métodos Predictivos Id Reembolso Estado Civil Ingresos Anuales Fraude Id Reembolso Estado Civil Ingresos Anuales Fraude 1 Sí Soltero 125K No 2 No Casado 100K No 3 No Soltero 70K No 4 Sí Casado 120K No 5 No Divorcia do 95K Sí 6 No Casado 60K No 7 No Soltero 80K No 8 Si Casado 100K No 9 No Soltero 70K No Tabla de Testing Tabla de Aprendizaje Variable Discriminante

16 Ejemplo Variable Discriminante

17 Desde Excel

18 Guardar como *.CSV separado por ;

19 Visto como archivo de texto

20 Ejemplo 1: IRIS.CSV Ejemplo con la tabla de datos IRIS IRIS Información de variables: 1.sepal largo en cm 2.sepal ancho en cm 3.petal largo en cm 4.petal ancho en cm 5.clase: Iris Setosa Iris Versicolor Iris Virginica

21 Cargando datos en Rattle

22 Explorando datos en Rattle

23 Explorando datos en Rattle

24 Explorando datos en Rattle

25 Explorando datos en Rattle

26 Tarea 1C Calcule en Rattle para todas las variables cuantitativas presentes en el archivo SAheartv2.csv El mínimo, el máximo, la media, la mediana y para la variables chd calcule la cantidad de Si y de No Las distribuciones, la matriz de correlaciones y el biplot para el Análisis en Componentes Principales.

27 Explorando datos en RStudio Script Consola Salidas

28 Explorando datos en RStudio # Leyendo Datos -> Laboratorio Exploratorio setwd("c:/users/oldemar/desktop/mdcursove/datos") datos=read.csv("iris.csv",sep = ";",dec='.',header=t) datos head(datos) summary(datos) dim(datos) str(datos) datos$s.largo datos$s.ancho boxplot(datos$s.largo,col='blue',xlab="largo del Sepalo") boxplot(datos$p.largo,col='red',xlab="largo del Petalo") hist(datos$s.largo,col=4) plot(density(datos$p.largo),col=2) plot(datos$p.largo,datos$s.largo) install.packages('ggplot2', dependencies = TRUE) library(ggplot2) qplot(s.largo, p.largo, data = datos,colour=c(1:150))

29 Tarea 1D En RStudio con el archivo SAheartv2.csv Calcule la dimensión de la Tabla de Datos Despliegue las primeras columnas de la tabla de datos. Ejecute un summary y un str de los datos. Usando el comando cor de R calcule la correlación entre las variables tobacco y alcohol. Despliegue boxplot s para las variables tobacco y alcohol Despligue un histograma para las variables tobacco y alcohol Grafique la función de densidad de la variable tobacco Grafique un plano con las variables tobacco y alcohol Instale el paquete'ggplot2 y usando este paquete grafique un plano con las variables tobacco y alcohol

30 Gracias.