Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 2 vistas

    análisis de datos exploratorios (ADE)

    Cargado por

    ELIZABETH CALFUL CONTRERAS

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    análisis de datos exploratorios (ADE)

    Cargado por

    ELIZABETH CALFUL CONTRERAS
    2 vistas5 páginas

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    2 vistas5 páginas

    análisis de datos exploratorios (ADE)

    Cargado por

    ELIZABETH CALFUL CONTRERAS

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 5

    Análisis de datos exploratorio “ADE”

    INVESTIGACION EN SALUD ANIMAL


    Investigación sobre las causas de diarrea en terneros
    Investigación sobre las causas de mastitis subclínica
    Investigación sobre las causas de mortalidad en cerditos antes del destete
    Causas de una baja ganancia de peso en cerdos de engorda
    Causas de abortos en bovinos
    Para realizar estas investigaciones epidemiológicas Datos sobre potenciales factores de riesgo
    necesitaremos recolectar y analizar datos (causas)
    - Productivos - Edad del animal
    - Sanitarios - Sexo del animal
    Datos sobre la ocurrencia del problema - Raza
    - Terneros con diarrea / sin diarrea - Manejos
    - Vacas abortadas / no abortadas Tratamientos / vacunaciones
    - Ganancia de peso - Presencia de agente infeccioso (pruebas
    - Producción láctea diagnósticas)

    ANALISIS DE DATOS EXPLORATORIO (ADE)


    Como su nombre lo indica, es una exploración de los datos con los que estamos trabajando
    Es un proceso de descripción de las variables disponibles en los datos
    Entender las variables
    Entender relaciones entre las variables
    Entender posibles sesgos y errores en el registro de la información
    El ADE es uno de los pasos más importantes del análisis de datos
    Es en extremo beneficioso para la persona que realice el análisis de datos
    Es un proceso de exploración de diversas alternativas en las que intentamos entender nuestros datos
    Pasaremos la mayor parte de nuestro tiempo trabajando en el ADE

    El ADE nos ayudara a construir y dirigir nuestro análisis


    La mayor parte de las inferencias que podemos hacer de nuestros datos se empiezan a visualizar en el ADE
    OBJETIVOS DEL ADE
    Conocer/entender las variables presentes en nuestros datos
    - Descripción de los datos recopilados
    - Evaluar calidad de datos recopilados
    DESCRIPCIÓN DE LOS DATOS RECOPILADOS
    Identificar las variables de interés(respuesta) y potenciales predictores (factores de riesgo)
    Tipo de variables (numéricas , categóricas)
    Distribución de las variables numéricas
    - Distribución normal, asimétrica con cola a la izquierda o derecha
    Frecuencias relativas de categorías
    - Porcentajes
    Visualización de tendencias, patrones, asociaciones

    EVALUAR CALIDAD DE DATOS RECOPILADOS


    - Identificar valores extremos (“outliers”)
    - Potenciales errores (valores imposibles)
    - Identificar valores faltantes (NAs)
    Valores extremos (“outliers”) vs errores
    No todos los errores son “outliers” y no todos los “outliers” son errores
    Importante a la hora de decidir qué hacer con un “outlier”

    EVALUACION DE LA CALIDAD DE DATOS (ADE)


    CORRECIÓN DE DATOS
    Valores faltantes
    - Buscar valores faltantes en los registros o fuentes originales
    Errores (valores imposibles)
    - Identificar y contrastar valores imposibles con registros originales y fuentes originales
    Valores extremos (“outliers”)
    - Identificar outliers
    - Asegurarse que no sean un error de registro
    - Nunca eliminar valores extremos de los datos
    TIPO DE VARIABLES CATEGÓRICAS/CUALITATIVAS

    Variables se clasifican en categorías 2) NOMINALES


    Expresan un valor cualitativo Categorías no tienen un orden inherente
    - Raza, país, regiones
    1) BINARIAS: 3) ORDINALES
    Si/no (presencia/ausencia) Categorías tienen un orden inherente
    - Positivos y negativos a un test diagnóstico - Score de rinitis atrófica progresiva (0 - 5)
    - Vivos/muertos - Score de cojeras
    - Enfermos/No enfermos - Condición corporal (0 - 5)
    TIPO DE VARIABLES NUMÉRICA/CUANTITATIVA
    Son medibles y tienen un orden 2) DISCRETAS (NÚMERO ENTERO)
    La variable numérica sol puede tomar valores enteros
    1) CONTINUAS - Ej: número de partos, número de animales nacidos
    Existe un continuo en la escala de posibles valores
    - Ej: peso de animal, ganancia diaria de peso

    Número de animales en una granja Ganancia diaria de peso


    - Numérica Discreta - Numéricas Continua Ejemplos
    El sexo de un animal Raza de los animales
    - Categórica Binaria - Categórica Nominal

    DESCRIPCIÓN DE VARIABLES CATEGÓRICAS

    Tablas de frecuencia Porcentajes

    DESCRIPCIÓN DE VARIABLES CONTINUAS


    Nos dicen algo sobre el valor típico de nuestros datos
    Medidas usadas en epidemiología veterinaria
    - Media
    - Mediana Medidas de tendencia
    - Media geométrica central
    - Moda

    1) MEDIA (PROMEDIO)
    La suma de los valores es dividida por el número de observaciones Σx/n
    La media es sensible a valores extremos
    1, 2, 4, 5, 6, 7, 9, 10
    - media = 5.5 Ejemplos
    1, 2, 4, 5, 6, 7, 9, 100
    - media = 16.75
    2) MEDIANA
    Es la observación del medio de la distribución
    Ordenar variables de menor a mayor
    Encontrar el valor del medio
    Para un números de observaciones impar, la mediana toma el valor de la
    observación central
    El 50% de las observaciones estará por debajo el valor de la mediana y el
    otro 50% por sobre este valor
    Para un número de observación par, la mediana es el promedio de los dos valores centrales
    La mediana es menos sensible a valores extremos que la media

    3) MEDIA GEOMÉTRICA
    La raíz n del producto de los datos
    Datos muy asimétricos o logaritmos

    4) MODA
    Es el valor que ocurre más frecuentemente en los datos
    Menos usado en epidemiología veterinaria para describir datos
    Distribuciones bi-modales (dos modas)

    MEDIA V/S MEDIANA


    Para describir datos numéricos y simétricos (distribución normal) hay que usar la media
    Para describir datos numéricos y asimétricos (datos que no están normalmente distribuidos) hay que usar la
    mediana

    DESVIACIÓN ESTÁNDAR
    Es la más usada. Es el promedio de la suma de la diferencia de cada observación
    con la media

    RANGO
    Diferencia entre el valor más alto y el más bajo
    Muchas veces se reporta el valor mínimo y el máximo

    COEFICIENTE DE VARIACIÓN
    Medida de variación relativa a la media
    Útil para comparar variabilidad en 2 muestras que tienen distintas escalas

    RANGO INTER-CUARTIL
    Percentiles 25, 50, 75 son el primer, segundo y tercer cuartil,
    respectivamente
    Percentil 50 o segundo cuartil es la mediana (65.5)

    Diferencia entre el primer y el tercer cuartil


    - Primer cuartil = percentil 25 (62.5)
    - Tercer cuartil = percentil 75 (68.5)
    - Rango inter-cuartil = 6
    VISUALIZACION DE DATOS EN ADE
    VISUALIZACIÓN UNIVARIADA
    Histogramas
    - Usualmente variables continuas (discretas barras)
    Gráfico de cajas y bigotes (Boxplots)
    - Usualmente variables continuas (discretas)
    Gráfico de barras (Barplots)
    - Variables discretas, categóricas

    HISTOGRAMAS
    Usualmente variables continuas (discretas barras)
    Para la visualizar la distribución de variables continuas
    Presentan la variable de interés en el eje X (horizontal) y el número de observaciones o porcentaje en el
    eje Y (vertical)
    La variable de interés en el eje X es dividida en un número de intervalos (automático en muchos softwares
    estadísticos)

    GRÁFICO DE CAJAS Y BIGOTES


    Usualmente variables continuas (discretas)
    La caja representa el 50% de los datos del medio (percentiles 25 y 75)
    La línea horizontal dentro de la caja representa la mediana
    Los bigotes se extienden 1.5 veces el rango inter-cuartil
    Más de una forma de calcular el largo del bigote
    Observaciones por sobre los bigotes son llamados usualmente “outliers” o
    valores extremos

    GRÁFICO DE BARRAS (BARPLOTS)


    Variables discretas, categóricas
    El número o porcentaje de variables discretas o categóricas
    es presentado

    VISUALIZACION BIVARIADA
    GRÁFICO DE DISPERSIÓN (SCATTERPLOTS)
    Presentan la relación entre 2 variables numéricas

    GRÁFICO DE TAPETE
    Porcentaje de lechones destetados durante un año

    GRÁFICOS DE CAJAS
    Permiten una visualización de las diferencias que pueden existir (o no)
    en la variable respuesta entre grupos

    También podría gustarte