Fundamentos y Metodología del Exploración de Datos en Geoestadística

Matemáticas4,07 KB

Importancia del AED

El Análisis Exploratorio de Datos (AED) permite la detección de fallos en el diseño y toma de datos, el tratamiento o evaluación de datos ausentes, la identificación de valores atípicos (outliers) y la comprobación de los supuestos requeridos por las técnicas geoestadísticas.

Etapas del Análisis Exploratorio de Datos

  • Realizar un examen gráfico de las relaciones entre las variables y un análisis descriptivo numérico que cuantifique el grado de interrelación existente entre ellas.
  • Evaluar supuestos básicos subyacentes a muchas técnicas estadísticas, por ejemplo: normalidad, probabilidad, correlación y linealidad.
  • Identificar posibles valores atípicos (outliers) y evaluar el impacto potencial que puedan ejercer en análisis estadísticos posteriores.
  • Evaluar el impacto potencial que pueden tener los datos ausentes (missing data) sobre la representatividad de los datos analizados.

Herramientas para el Análisis Exploratorio

  • Estadística univariada
  • Estadística multivariada
  • Regresión lineal y mínimos cuadrados

Estadística Univariada

Se divide en tres grandes capítulos:

  1. Teoría de Probabilidades: Estudia modelos matemáticos que formalizan elementos de regularidad mediante axiomas lógicos, produciendo teoremas o proposiciones.
  2. Estadística Descriptiva: Se ocupa del estudio y disposición de datos para su análisis o inspección.
  3. Inferencia Estadística: Rama aplicada que trata las relaciones entre el modelo matemático y la práctica, incluyendo la asignación y manejo de probabilidades.

Conceptos fundamentales

  • Esperanza matemática (E[X]): Generalización de la noción de media ponderada por la frecuencia de ocurrencia.
  • Población o Universo: Conjunto completo de individuos, objetos o medidas con una característica común observable.
  • Muestra: Subconjunto o porción de la población.
  • Variable: Característica o fenómeno de una población o muestra que puede tomar diferentes valores.
  • Datos: Números o medidas recopiladas como resultado de la observación.
  • Estadístico: Medida calculada para describir una característica a partir de una muestra.
  • Parámetro: Característica cuantificable de una población.

Medidas de Dispersión y Variación

  • Desviación Estándar: Medida de dispersión más común que indica qué tan dispersos están los datos respecto a la media.
  • Error Estándar: Describe el grado de conocimiento de los datos y se calcula mediante: ε = √ σ² / n.
  • Coeficiente de Variación (CV): Medida de variación relativa calculada como CV = S / Xm.

Pruebas Estadísticas

  • Prueba Chi-Cuadrado: Utilizada para determinar si la distribución es normal, lognormal o de otro tipo.
  • Prueba t-Student: Utilizada para determinar si en una distribución bimodal las medias de las poblaciones son estadísticamente diferentes.

Interpretación del Box-plot (Diagrama de Caja)

El box-plot es una herramienta visual esencial que proporciona la siguiente información:

  • Resumen de cinco números: Muestra una medida de posición robusta (mediana) y una medida de dispersión robusta (distancia intercuartil).
  • Simetría: Permite estudiar la distribución de los datos.
  • Detección de anomalías: Identifica puntos anómalos o outliers.
  • Longitud de las colas: Indica la dispersión con sesgos a la derecha e izquierda.

Descargar

PDF Word HTML