NO TODO ES CIENCIA DE DATOS

       La distribución Cauchy-Lorentz es una distribución de probabilidad contínua, con forma similar a la normal, y muy usada en física. Su importancia en la física es dada por ser la solución de una ecuación diferencial muy importante. En matemáticas, es un buen contraejemplo dado que se trata de una función de densidad aparentemente con muy buenas propiedades, con moda y mediana definidas, pero cuya media y varianza son infinitas.   Por lo tanto, conviene familiarizarse con ella.

Introducción Voy a aprovechar una pequeña consulta que me han hecho para explicar cómo se calcula el percentil para datos agrupados en R. Haremos lo siguiente: Nos descargaremos las la lista de admitidos y la de aprobados de una oposición, con miles de personas. Filtraremos el fichero para dejar sólo las notas. Veremos el histograma, mediana, outliers etc de los datos. Calcularemos el percentil de la nota que nos interesa, en este caso un 65. Con esta información, podremos responder a la pregunta planteada inicialmente sobre el rendimiento en el exámen. La parte estadística es sencilla. Lo más engorroso de este trabajo es descargar y limpiar los datos hasta conseguir algo aceptable. Pero esto también es una parte importante de la ciencia de datos (los ficheros no los suelen mandar limpios) Descarga de los datos del problema Ficheros para descargar click aquí->relación de aprobados . click aquí->relación de admitidos La relación de admitidos sólo la quere...

ANALISIS EXPLORATORIO DE UNA MUESTRA DEL COLESTEROL  DE 100 PACIENTES   En este ejemplo, queremos echarle un vistazo a una muestra del colesterol de nuestros pacientes y ver cómo es su distribución. En teoría, debería ser una distribución normal.   Veremos sus estadísticos básicos (media, mediana, moda, coeficiente de simetría,...) y también haremos un test de normalidad. Notar que siempre es necesario hacer un test de normalidad antes de aplicar según qué test, como por ejemplo un t-test. Observar también que la H0 del test normalidad es siempre la normalidad de la población, y no de la muestra. La H0 en los test de normalidad es "la muestra viene de una población normal". Este punto suele generar confusión. Iremos comentando las cosas conforme las vamos haciendo.