🌎 ¡Acabo de encontrar una serie de mapas increíbles realizados con #RStats! Desde mapas interactivos hasta diseños 3D, hay algo para todos los amantes de los datos espaciales
👇 ¡8 cuentas a las que definitivamente vale la pena darle un vistazo!🧵 #dataviz#maps#geospatial#gis
💡 Los IC, tan populares en investigación, a menudo se malinterpretan y se utilizan para obtener conclusiones equivocadas. 🧠
🔍 Lo que crees vs. Lo que realmente son los IC: 👇🧵🔥
#stats #rstats #analytics #datascience #data
Mito 1️⃣
❌ Un IC del 95% contiene el valor verdadero del parámetro con una probabilidad del 95%.
✅ Realidad: No. El IC solo garantiza que, si repites el muestreo, el 95% de los IC incluirán el valor verdadero. Es sobre los procedimientos repetidos, ¡no sobre un IC específico!😬
Mito 2️⃣
❌ El ancho del IC mide directamente la precisión de la estimación.
✅ Realidad: No
👉 Variabilidad en los datos: Más variabilidad → IC más amplio.
👉 Tamaño de la muestra: Muestras más grandes → IC más estrecho.
👉 Nivel de confianza elegido: Mayor NC → IC más amplio.
😱 El error más frecuente de un análisis de datos... ¡SÍ, ESTÁ AQUÍ! 🔥
¿Crees que los valores atípicos y valores ausentes son el peor enemigo en tu análisis? Pfff, amateur. El verdadero peligro acecha en un rincón mucho más oscuro: ¡la falta de contexto! 💣
#stats #datascience
🧐 El verdadero reto en un análisis de datos no es la preparación de datos ni la elección de algoritmos, sino el diseño de estudio y la pregunta de investigación. Sin una base sólida, todo tu análisis será como un castillo de naipes. 🏰🌪️
#analytics #research #Investigación
💡 Un diseño de estudio adecuado es la base de todo
🎯 La calidad de los resultados no solo depende de la calidad de los datos y el modelo seleccionado, sino también de la validez del diseño de estudio que les dio forma. buff.ly/3OEeeWc
👀 ¿Qué pasaría si el PCA hiciera su propio informe? 🤖
🔥 Con FactoInvestigate, el análisis de componentes principales (PCA) no solo examina tus datos, ¡también genera un informe completo automáticamente! 📝 Pero aquí está lo importante: el control siempre es tuyo.💪🧵
#rstats
😱 Con el FactoInvestigate en R puedes generar un informe completo en solo una línea de código.🚀
💡¿Qué es el PCA y por qué usarlo?
✅ Reducir la dimensión de tus datos sin perder información clave
✅ Identificar componentes más informativos
✅ Visualizar relaciones y patrones
🛠️ ¿Qué hace FactoInvestigate?
Automatiza todo el análisis:
🔍 Detecta valores atípicos automáticamente
📊 Identifica los componentes principales más relevantes
📈 Genera gráficos claros y llamativos para explorar tus datos
📝 Describe dimensiones y variables de manera sencilla
🔥 ¿Cuál es el problema?
Cada prueba estadística tiene una probabilidad de error tipo I (rechazar una hipótesis nula verdadera).
⏩ Realizas 1 prueba → Error esperado: 5% (si 𝛼=0.05).
⏩ Realizas 100 pruebas → Probabilidad de al menos 1 error: ¡casi el 100%! 😬
Se llama Tasa de Error por Experimento (EER), y si no ajustas, tus resultados podrían ser pura casualidad.
💡 ¿Cuándo ajustar?
1️⃣ Estudios confirmatorios:
Es obligatorio si combinas múltiples pruebas en una conclusión final.
Ej: Ensayos clínicos que comparan varios tratamientos
🚨 ¡Atención usuarios de Excel! 🚨
📊 Aproximadamente 1 de cada 8 personas en el planeta usa Excel 🤯 Este software es tan popular que muchas veces da la falsa sensación de que todo lo que se hace allí está libre de errores. Pero... ¡cuidado con los siguientes casos! 😱👇🧵
🔥 Desventajas de Excel vs herramientas avanzadas como R:
1️⃣ Errores manuales más frecuentes.
2️⃣ No es ideal para tareas complejas.
3️⃣ Menor automatización.
4️⃣ Difícil trazar/reproducir.
5️⃣ Visualización básica no interactiva.
6️⃣ Volumen.
7️⃣ Conversión de datos automática. 😳
Si usas Excel desactiva la conversión automática de datos o tus proyectos pueden acabar corruptos. Un estudio en 2016 encontró que ¡1 de cada 5 artículos científicos tenía errores por esto!😱
📅 Disponible desde 2022 para Windows y en 2024 para Mac.¡Pero no funciona con macros!❌
🤔 ¿Alguna vez te has preguntado qué significa realmente que falten datos y cómo afecta a tu análisis? Vamos a destapar lo que a menudo SE IGNORA sobre este tema👇
#rstats #stats #datascience #ML #dataviz
🔴 ¿Qué son los datos faltantes?
"datos que no tienes -quizás datos que desearías tener, o esperabas tener, o pensabas que tenías, pero que, de todos modos, no tienes. [...] los datos faltantes son al menos tan importantes como los datos que tienes". (David Hand)
🔴 ¿Por qué te deberían importar?
Cuando te faltan datos, tus resultados pueden estar MAL, pero no te das cuenta hasta que es demasiado tarde.😬 Los datos faltantes son inevitables y afectan la calidad del análisis, disminuyen la información disponible y pueden generan sesgos.