Repaso del Curso

IN2039: Visualización de Datos

Alan R. Vázquez

Departamento de Ingeniería Industrial

Visualización de datos y sus principios

¿Qué es la visualización de datos?

“Una visualización [de datos] es cualquier presentación visual destinada a revelar evidencia, haciendo visible lo invisible” Alberto Cairo (2015).

En esencia, una visualización de datos te permite profundizar en conjuntos de datos complejos para obtener información significativa mediante el uso de pantallas gráficas.

Las visualizaciones de datos se ocupan principalmente de proporcionar evidencia y permitir que la audiencia explore y llegue a sus propias conclusiones sobre lo que las visualizaciones revelan sobre los datos.

As data scientists, we create data visualizations in order to understand our data and explain our analyses to other people. A plot should have a message, and it’s our job to communicate this message as clearly as possible.

Los 3 principios de la visualización de datos

Principio 1: Formula el mensaje

Muchas veces el mensaje se obtiene al contestar una pregunta de interés.

El mensaje puede ser una pregunta

• ¿Cuál es la comparación importante?

• ¿Cómo la enfatizamos?

• Do you have reason to expect that one group/observation might be different?

• Why might your finding about shape matter?

• What additional comparison might bring added value to the investigation?

• Are there any potentially important features to create comparisons with/against?

[Incluir noticias del new york times]

Principio 2: Convierte los datos en información

Tu gráfica debe de usar los datos para transmitir el mensaje o contestar la pregunta. Es decir, debe de convertir los datos en información.

Principio 3: Aplica los principios del diseño gráfico

1. Es fácil identificar objetos por color.
2. Utiliza etiquetas directas en lugar de una leyenda.
3. Elementos como texto, líneas, y formas que tengan la misma naturaleza deben parecerse.
4. Equilibra gráficos y texto.
5. Ten cuidado con las opciones predeterminadas del software de visualización.
6. Usa un diseño de cuadrícula para organizar su visualización.

No te limites a cosas simples. Enriquece tu gráfica con símbolos de color para transmitir información adicional. Si es posible, agrega contexto con marcadores y etiquetas de referencia.

También, agrega una leyenda a la gráfica que describa las características importantes y resuma sus conclusiones.

Tipos de Variables

Tipos de Variables

Los tipos de variable definen nuestro análisis

• Ayudan a especificar las operaciones, visualizaciones y modelos que podemos aplicar a los datos.

• Existen gráficas apropiadas o diseñadas para visualizar variables numéricas o categóricas.

Resúmenes estadísticos

Resúmenes Estadísticos para variables categóricas

Un resumen estadístico nos ayuda a resumir un conjunto de observaciones de una manera simple.

Los resúmenes estadísticos más utilizados para datos categóricos son:

• La frecuencia de una categoría es el número de observaciones que pertenecen a esa categoría.

• La frecuencia relativa es la frecuencia dividida por el número total de observaciones.

Resúmenes Estadísticos para variables numéricas

Los resúmenes estadísticos más utilizados para datos numéricos son:

• Promedio
• Varianza y desviación estándar
• Mediana y cuartiles
• Máximo y mínimo

Gráficas por tipo y numero de variables

Gráficos para 1 variable

Tipo	Gráfica
Categórica	Barras y circular

Gráficos para 1 variable

Tipo	Gráfica
Numérica	Histograma y gráfica de caja

Gráficos para 2 variables

Tipo	Gráfica
Numéricas	Dispersión y Lineas

Gráficos para 2 variables

Tipo	Gráfica
Categóricas	Barras lado a lado y barras apiladas

Gráficos para 2 o más variables

Tipo	Gráfica
Mixta	Cleveland, dispersión por color y forma, varias lineas, área, facetas

Gráficos para 2 o más variables

Tipo	Gráfica
Mixta	Cleveland, dispersión por color y forma, varias lineas, área, facetas

Regresión lineal

Modelo de regresión lineal

Una función \(f(X)\) muy común para predecir una respuesta (\(Y\)) es el modelo de regresión lineal.

Tiene la forma matemática:

\[ \hat{Y}_i = \hat{\beta}_0 + \hat{\beta}_1 X_i, \]

• Donde \(i\) es el indice de las \(n\) observaciones, y
• \(\hat{Y}_i\) es la predicción del valor real de la respuesta \(Y\) asociada a un valor del predictor igual a \(X_i\).
• Los valores \(\hat{\beta}_0\) y \(\hat{\beta}_1\) se llaman coeficientes del modelo.

Para nuestro ejemplo

\(\hat{Y}_i = 46.32 -0.0076 X_i\)

La fórmula

\(\text{mpg}_i = 46.32 - 0.0076 \times \text{peso}_i\)

¿Es esto el final?

Para más sobre visualizaciones efectivas, visita https://www.storytellingwithdata.com/.

Regresar a página principal