class: front <!--- Para correr en ATOM - open terminal, abrir R (simplemente, R y enter) - rmarkdown::render('static/docpres/07_interacciones/7interacciones.Rmd', 'xaringan::moon_reader') About macros.js: permite escalar las imágenes como [scale 50%](path to image), hay si que grabar ese archivo js en el directorio. ---> .pull-left[ # Metodología I ## **Kevin Carrasco** ## Magister en Ciencias Sociales FACSO - UChile ## 1er Sem 2024 ## [.green[metod1-mcs.netlify.com]](https://metod1-mcs.netlify.com) ] .pull-right[ .right[ <br> ## .yellow[Sesión 7: Distribución de variables]  ] ] --- layout: true class: animated, fadeIn --- class: inverse, bottom, right, animated, slideInRight # .red[Sesión 7] <br> Repaso sesión anterior Distribución de variables <br> <br> <br> <br> --- class: inverse, bottom, right # .red[Sesión 7] <br> .yellow[Repaso sesión anterior] Distribución de variables <br> <br> <br> <br> --- ## Medidas de tendencia Central * **Moda**: valor que ocurre más frecuentemente -- * **Mediana**: valor medio de la distribución ordenada. Si N es par, entonces es el promedio de los valores medios -- * **Media** o promedio aritmético: suma de los valores dividido por el total de casos --- ## Medidas de tendencia Central ### Dispersión: * **Varianza**: promedio de la suma de las diferencias del promedio al cuadrado .center[] --- * **Desviación Estándar**: - Raiz Cuadrada de la varianza. - Expresada en la mismas unidades que los puntajes de la escala original --- ## Visualización de datos La visualización de datos refiere a la forma que utilizamos para conocer y comunicar mediciones y resultados de análisis. -- Cumple tres objetivos principales: * Exploración: Conocer descriptivos básicos o asociaciones entre variables * Modelamiento: Comparar estimaciones, determinar diferencias o explicaciones * Comunicación: presentar resultados y atraer audiencias --- ## Visualización de datos La mejor visualización de datos es la que no requiere un esfuerzo para ser comprendida. Se debe evitar saturar con información. Todo lo que se visualiza debe servir para explicar lo que queremos. Para comparar tablas o gráficos se deben utilizar las mismas escalas de medición y los mismos límites de los ejes. --- ## Tipos de tablas y tipos de gráficos * Descriptivos según tipo de variable .small[ | | Categórica | Continua | Categ.(y)/Categ.(x) | Cont.(y)/Categ.(x) | |------------- |--------------------------------- |------------------------- |------------------------------------------------ |------------------------------------------ | | **Ejemplo** | **Estatus Ocupacional** | **Ingreso** | **Estatus Ocupacional (Y) / Género (X)** | **Ingreso (Y) / Género (X)** | | Tabla | Frecuencias / porcentajes | `\(\bar{X}\)`/sd ... o recodificar en categorías | Tabla de Contingencia | Clasificar Y | | Gráfico | Barras | Histograma / boxplot | Gráfico de barras condicionado | Histograma, box plot condicionado | ] --- class: inverse, bottom, right # .red[Sesión 7] <br> Repaso sesión anterior .yellow[Distribución de variables] <br> <br> <br> <br> --- ### Asimetría La asimetría es la medida en que la distribución de una variable se aleja de una distribución simétrica a ambos lados de su punto central. ¿Qué tan simétrica es la distribución de mis datos en ambos lados de sus colas respecto al centro? .center[] --- ### Curtosis La curtosis es la medida del grado de agrupamiento de los datos de una distribución. ¿Qué tan agrupados están mis datos en la distribución? .center[] --- class: front .pull-left[ # Metodología I ## **Kevin Carrasco** ## Magister en Ciencias Sociales FACSO - UChile ## 1er Sem 2024 ## [.green[metod1-mcs.netlify.com]](https://metod1-mcs.netlify.com) ] .pull-right[ .right[ <br> ## .yellow[Sesión 7: Distribución de variables]  ] ]