Post

More from @RosanaFerrero

Rosana Ferrero 📈📊🙌

@RosanaFerrero

Aug 16

🔥 ¿Qué NO te enseñaron en tu curso de análisis de datos… y tuviste que aprender a golpes?
Nos enseñan métodos, fórmulas y (con suerte) sintaxis.
Pero en el mundo real, los datos llegan sucios, los plazos aprietan y nadie lee tus gráficos si no los entienden.
10 lecciones👇

📉 10 verdades del análisis de datos que no salen en el temario:

1️⃣ El 80% del trabajo es limpiar, ordenar y entender los datos.
Sí, lo has leído mil veces. Pero hasta que no lo vives, no lo crees.
🧼 Si amas la estadística, aprende también a amar el preprocesado.

#stats

2️⃣ Los datos nunca llegan como los necesitas. Nunca.
A veces el problema no es técnico, sino organizativo: fuentes desconectadas, procesos manuales, duplicados...
💡 El mejor analista no es el que espera datos perfectos, sino el que aprende a trabajar con datos imperfectos.

Read 12 tweets

Rosana Ferrero 📈📊🙌

@RosanaFerrero

Aug 15

🚨 EL INFIERNO DE LAS FECHAS EN ANÁLISIS DE DATOS 🚨
Sí, lo has vivido. Todos lo hemos vivido.

Si alguna vez has intentado analizar fechas en Excel, sabes de lo que hablo:

🧨 Problemas típicos:
❌ Formatos inconsistentes: ¿DD/MM/AAAA o MM/DD/AAAA?
❌ Fechas como texto: Importas datos y... mágicamente son cadenas.
❌ Zonas horarias: UTC, GMT, hora local… todo mezclado.
❌ Restas y sumas absurdas: Días que no cuadran, meses que desaparecen…

💡 Pero hay una solución: R + lubridate = paz mental 🧘
✅ Limpiar fechas: ymd(), dmy(), mdy()
✅ Sumar días, meses o años: + days(5), + months(3)
✅ Detectar y corregir formatos mixtos: parse_date_time()
✅ Controlar husos horarios: with_tz() y force_tz()

Read 5 tweets

Rosana Ferrero 📈📊🙌

@RosanaFerrero

Aug 12

📊 ¿Cómo sabes si tu modelo realmente funciona bien?
Muchos modelos se publican... pero pocos se diagnostican a fondo.
Si usas modelos de regresión en R, este recurso te va a ahorrar tiempo y sustos 🚨👇

#DataScience #RStats #stats #dataviz #modelling #regression #CienciaDeDatos

📦 {performance} de #RStats te permite evaluar los supuestos clave de tus modelos de forma rápida, clara y eficiente.
check_collinearity() → ¿Predictores correlacionados?
check_normality() → ¿Residuos normales?
check_heteroscedasticity() → ¿Residuos con Varianza constante?

Y lo mejor:
👉 check_model() → Una sola función para un diagnóstico visual completo en segundos.

🚀 ¿Qué más puedes hacer con performance?
🔹 Obtener métricas como R², AIC, BIC, RMSE, ICC...
🔹 Diagnosticar modelos mixtos, con sobredispersión o inflación cero

#Estadística

Read 5 tweets

Rosana Ferrero 📈📊🙌

@RosanaFerrero

Aug 11

💥¿Cómo seleccionar las variables adecuadas para tu modelo? 💥

El arte de construir modelos explicativos, implica comprender tu problema y reflejarlo en el modelo que construyes. Es un arte —y sí, también una ciencia— que requiere equilibrio y criterio.

#stats #datascience

🧠 Si tienes muchos predictores candidatos, crece el riesgo de perder el rumbo.
Un modelo sub-especificado olvida variables clave y sesga tus resultados
Un modelo sobre-especificado se enreda en redundancias y ruido
Debes encontrar el punto medio, ni muy sencillo ni muy complejo

👉 No confíes ciegamente en la selección automática: evalúa el objetivo de tu estudio, elige predictores con sentido, explora tus datos a fondo y aprende a interpretar las métricas que te indican qué modelo es el más adecuado. Con un ejemplo práctico con R
maximaformacion.es/blog-dat/como-…

Read 4 tweets

Rosana Ferrero 📈📊🙌

@RosanaFerrero

Aug 10

🧠 Lo fácil se vuelve difícil. Lo imposible se vuelve posible. Una charla de Hadley Wickham.
El viernes pasado, Wickham describió algo que está redefiniendo nuestra relación con la informática (y esto me provoca una mezcla de fascinación y alerta):👇🧵

#stats #AI #IA #GPT #LLM

👉 Los LLM invierten la lógica tradicional de las máquinas.

Durante décadas, para un ordenador:
✅ Fácil → cálculos exactos, conteos, aplicación de reglas fijas.
❌ Difícil → interpretar lenguaje natural, gestionar ambigüedad, crear algo nuevo.

#AItools #GPT5 #chatGPT #openAI

Hoy, con los LLM:
💎 Redactar un resumen adaptado a un público específico → fácil.
💎 Encontrar patrones en un texto ambiguo → natural.
💎 Traducir ideas vagas en código → habitual.

🤯 Pero contar las letras de una palabra o resolver una suma sencilla… puede salir mal.💥

Read 8 tweets

Rosana Ferrero 📈📊🙌

@RosanaFerrero

Aug 10

🔥 No tener en cuenta la potencia estadística es más común (y más grave) de lo que parece 🔥
Hace poco compartí contigo un post sobre qué es la potencia estadística, ahora vamos un paso más allá....
🔍 ¿Cómo interpretar los resultados según la potencia estadística?👇

#stats

1️⃣ Resultado NO estadísticamente significativo (p > 0.05):
➡️ ¿Realmente no hay efecto?
NO necesariamente.
Podría ser que…

✅ El efecto no existe → buena noticia: el test funcionó.
⚠️ El efecto existe, pero el estudio no tenía suficiente potencia para detectarlo.

#DataScience

2️⃣ Resultado SÍ estadísticamente significativo (p < 0.05):
➡️ ¿El efecto es real?
Quizá, pero puede deberse a:

✅ Efecto real y el test lo detectó (¡bien!).
⚠️ Efecto muy pequeño pero detectable por muestras muy grandes → ¿es relevante?
❌ Falso positivo (error tipo I) → 𝛼

Read 5 tweets

Share this page!

Enter URL or ID to Unroll

Rosana Ferrero 📈📊🙌

Try unrolling a thread yourself!

More from @RosanaFerrero

Rosana Ferrero 📈📊🙌

Rosana Ferrero 📈📊🙌

Rosana Ferrero 📈📊🙌

Rosana Ferrero 📈📊🙌

Rosana Ferrero 📈📊🙌

Rosana Ferrero 📈📊🙌

Did Thread Reader help you today?

Don't want to be a Premium member but still want to support us?

Send Email!