{ "cells": [ { "cell_type": "markdown", "metadata": {}, "source": [ "# ¿Es real o es ruido?\n", "\n", "La pregunta que decide si una reunión de una hora tenía sentido, medida sobre las ventas de verdad.\n", "\n", "Cuaderno de práctica del capítulo 1 de **Estadística desde cero**, de Miss Yera.\n", "\n", "Corre de arriba abajo. Si lo abres en Google Colab no necesitas instalar nada.\n", "\n", "Capítulo completo: https://missyera.com/guias/estadistica-desde-cero/es-real-o-es-ruido/\n", "\n", "Los ejercicios están al final y traen una celda vacía debajo de cada uno. Las\n", "respuestas viven en el cuaderno de soluciones, y merece la pena pelearse un\n", "rato antes de abrirlo 💛" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Antes de empezar\n", "\n", "Esta celda baja el ayudante que corrige tus ejercicios. Después, en cada\n", "ejercicio que se pueda corregir solo, vas a ver `%%revisa` arriba de la celda:\n", "escribe tu respuesta debajo, ejecuta, y te digo si te salió 💛" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "import urllib.request\n", "\n", "# El ayudante de los cuadernos. Trae la corrección de los ejercicios y, en los\n", "# capítulos de consola, la celda mágica que ejecuta los comandos. Se baja en\n", "# vez de venir pegado aquí para que siempre sea el último.\n", "urllib.request.urlretrieve(\n", " \"https://missyera.com/static/cuadernos/revisa.py\", \"revisa.py\")\n", "import revisa\n", "revisa.carga({\n", " 1: \"dW5pZGFkZXMsIG1lZGlhIGFic29sdXRhOiA5LjU1JQptb250bywgbWVkaWEgYWJzb2x1dGE6ICAgIDE0LjQxJQ==\",\n", " 2: \"cGVvcjogICAyMDI2LTA2IC0zMi4zNiUKbWVqb3I6ICAyMDI1LTA1IDM5LjMyJQ==\",\n", " 3: \"Y29uIGVsIG1lcyBjb2pvOiAgMTQuNDElCnNpbiBlbCBtZXMgY29qbzogIDEzLjI5JQpwZW9yIG1lcyBhaG9yYTogICAtMjMuMDkl\",\n", " 4: \"IDMlIG8gbWFzOiAxNCBkZSAxNyBtZXNlcyAoODIlKQoxMCUgbyBtYXM6ICA5IGRlIDE3IG1lc2VzICg1MyUpCjE1JSBvIG1hczogIDcgZGUgMTcgbWVzZXMgKDQxJSkKMjAlIG8gbWFzOiAgNSBkZSAxNyBtZXNlcyAoMjklKQozMCUgbyBtYXM6ICAzIGRlIDE3IG1lc2VzICgxOCUp\",\n", " 5: \"c2VwIHZzIGFnbzogKzE2LjAlCnNlcCB2cyBtYXk6IC0xMS42JQ==\",\n", " 6: \"Y2FuYWwgLT4gZGUgNDYuMSBhIDY1LjIgIChicmVjaGEgMTkuMSBwdW50b3MpCmNhbmFsCk1hcmtldHBsYWNlICAgIDQ2LjEKVGllbmRhICAgICAgICAgNjEuOQpXZWIgICAgICAgICAgICA1OC4zCldoYXRzQXBwICAgICAgIDY1LjIKCmNhdGVnb3JpYSAtPiBkZSA1NS44IGEgNTkuMCAgKGJyZWNoYSAzLjIgcHVudG9zKQpjYXRlZ29yaWEKQWJhcnJvdGVzICAgICAgICAgICA1OS4wCkJlYmlkYXMgICAgICAgICAgICAgNTcuNQpDdWlkYWRvIHBlcnNvbmFsICAgIDU1LjgKTGltcGllemEgICAgICAgICAgICA1OC45ClNuYWNrcyAgICAgICAgICAgICAgNTcuNA==\",\n", " 7: \"Y2l1ZGFkICAgICAgdmEgZGUgIDcyNC4yMiBhICA5NjAuOTgsIG8gc2VhICAxLjMzIHZlY2VzCnNlZ21lbnRvICAgIHZhIGRlICAxNzguNzIgYSAxODUxLjg4LCBvIHNlYSAxMC4zNiB2ZWNlcwpjYW5hbCAgICAgICB2YSBkZSAgNzg5LjY5IGEgIDgxMC45MCwgbyBzZWEgIDEuMDMgdmVjZXMKY2F0ZWdvcmlhICAgdmEgZGUgIDc0Ni42OSBhICA4MzUuMTIsIG8gc2VhICAxLjEyIHZlY2Vz\",\n", " 8: \"Y29uIGxhcyAzMDM3IGZpbGFzIGRlIGdvbHBlOiA4MDEuNjYKICBjb24gNjAgYWwgYXphcjogICAgICAgIDY3OC4yNwogIGNvbiA2MCBhbCBhemFyOiAgICAgICAgNzIxLjc5CiAgY29uIDYwIGFsIGF6YXI6ICAgICAgICA5MTkuOTQKICBjb24gNjAgYWwgYXphcjogICAgICAgIDc5NC40OQogIGNvbiA2MCBhbCBhemFyOiAgICAgICAgNzQxLjc2\",\n", "}, lenguaje=\"python\")" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Hola! Bienvenida al libro 🌸\n", "\n", "Voy a empezar contándote una reunión que he visto muchísimas veces, en\n", "empresas grandes y chicas, y que siempre termina igual.\n", "\n", "Alguien proyecta una lámina: **\"las ventas subieron 3% este mes\"**.\n", "Y ahí arranca la hora. Que si fue la campaña, que si el nuevo vendedor, que si\n", "el clima. Se reparten felicitaciones, se decide repetir lo que sea que se hizo,\n", "y se agenda un seguimiento.\n", "\n", "Nadie hace la única pregunta que había que hacer: **¿cuánto se mueven\n", "las ventas normalmente?**\n", "\n", "Porque si las ventas se mueven 14% de un mes a otro sin que pase nada, ese\n", "3% no es un logro. Es el ruido de siempre disfrazado de noticia. Y la reunión\n", "entera, con las seis personas que estaban dentro, se acaba de ir a la basura 🗑️\n", "\n", "Eso es la estadística. No es la fórmula de la desviación estándar ni la tabla\n", "de la campana. Es esta pregunta:\n", "\n", "**¿Esta diferencia que estoy viendo es real, o es lo que varía normalmente?**\n", "\n", "Todo lo demás del libro son herramientas para contestarla.\n", "\n", "Y antes de arrancar, contéstate una: **¿cuándo fue la última vez que celebraste o sufriste por un número que se movió?** Guárdala, porque al terminar el capítulo vas a poder decir si aquello era real 📊" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Vamos a medirlo con datos de verdad" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "No te voy a pedir que me creas. Vamos a medir cuánto se mueven unas ventas\n", "reales, y de ahí sale si el 3% era noticia o no.\n", "\n", "Trabajamos con el mismo archivo de todos los libros: las ventas de una\n", "distribuidora peruana, con la suciedad puesta a propósito porque es la que te\n", "vas a encontrar 🧹" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "import pandas as pd\n", "\n", "URL = 'https://missyera.com/static/datasets/ventas-miss-yera.csv'\n", "\n", "v = pd.read_csv(URL)\n", "print(v.shape)\n", "print(v[['fecha', 'monto']].head(3))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "3.037 ventas y 14 columnas. Se ve bien, ¿no? Pues mira lo que pasa cuando\n", "intento sacar el mes de cada venta." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## El primer golpe" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "**Esto revienta a propósito.** Se ejecuta dentro de un `try` para que puedas seguir con \"ejecutar todo\" y aun así ver la queja." ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "try:\n", " v['fecha'].dt.month\n", "except Exception as e:\n", " print(f'{type(e).__name__}: {e}')" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Y la queja que tiene que salir es esta:\n", "\n", "```\n", "AttributeError: Can only use .dt accessor with datetimelike values\n", "```" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Tranqui, no rompiste nada 🙂 pandas te está diciendo algo importante:\n", "`fecha` no es una fecha. Es texto que *parece* fecha.\n", "\n", "El accesorio `.dt` (de *datetime*) es el que da acceso a\n", "año, mes, día y día de la semana. Solo funciona sobre columnas que pandas sabe\n", "que son fechas, y aquí leyó el CSV y lo dejó todo como texto porque nadie le\n", "dijo lo contrario.\n", "\n", "Lo mismo pasa con `monto`. Así que antes de calcular nada, se\n", "convierte:" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "v['monto'] = pd.to_numeric(v['monto'].str.replace(',', '.'))\n", "\n", "iso = pd.to_datetime(v['fecha'], format='%Y-%m-%d', errors='coerce')\n", "resto = iso.isna()\n", "iso[resto] = pd.to_datetime(v.loc[resto, 'fecha'], format='%d/%m/%Y')\n", "v['fecha'] = iso\n", "\n", "print(v['fecha'].min().date(), v['fecha'].max().date())" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Un año y medio de ventas, del 1 de enero de 2025 al 24 de junio de 2026.\n", "\n", "Eso de convertir en dos pasos es porque el archivo trae las fechas escritas\n", "de dos formas distintas, y lo vemos con calma en el capítulo 2. Por ahora\n", "quédate con que ya son fechas de verdad." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Cuánto se mueven las ventas" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Ahora sí. Sumo lo vendido por mes:" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "mes = v.groupby(v['fecha'].dt.to_period('M'))['monto'].sum()\n", "print(mes.round(0).head(6))\n", "print('meses:', len(mes))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Y ahora la parte que importa: cuánto cambia cada mes respecto al anterior.\n", "`pct_change()` hace exactamente eso 📈" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "cambio = (mes.pct_change() * 100).dropna()\n", "print(cambio.round(1).head(8))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Mírala bien un segundo, porque esta tabla ya contesta la pregunta de la\n", "reunión.\n", "\n", "Febrero subió **3,0%**. Ese es exactamente el número de la\n", "lámina. Y ahora mira los que vienen: abril bajó 18%, mayo subió 39%, agosto\n", "bajó 14,7%.\n", "\n", "El 3% de febrero, al lado de eso, no se distingue de nada." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## El número que había que llevar a la reunión" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "print('media del cambio: %.2f%%' % cambio.mean())\n", "print('media en valor absoluto: %.2f%%' % cambio.abs().mean())\n", "print('el peor mes: %.2f%%' % cambio.min())\n", "print('el mejor mes: %.2f%%' % cambio.max())\n", "print('meses que se movieron menos de 3%%: %d de %d'\n", " % ((cambio.abs() < 3).sum(), len(cambio)))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Ahí está, y son cuatro líneas 👇\n", "\n", "- 📊 El mes promedio se mueve **14,41%** respecto al anterior.\n", "En valor absoluto, o sea sin importar si sube o baja.\n", "\n", "- ⚖️ La media del cambio con signo es **0,44%**. O sea que a lo\n", "largo del año y medio las subidas y las bajadas casi se cancelan: el negocio no\n", "está creciendo ni cayendo, está oscilando.\n", "\n", "- 🎢 El rango va de **-32,36%** a **+39,32%**.\n", "\n", "- 🎯 Solo **3 meses de 17** se movieron menos de 3%.\n", "\n", "Un 3% en este negocio es de los meses *más planos* que existen. Es\n", "literalmente lo contrario de una noticia.\n", "\n", "Fíjate en lo poco que hizo falta: agrupar por mes, sacar el cambio\n", "porcentual y mirar la media del valor absoluto. Eso ya salva una hora de\n", "reunión, y no hemos usado ni una fórmula todavía 💪" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## El atajo que se inventa medio año" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Ahora te voy a enseñar el error, porque este me pareció grave de verdad\n", "cuando lo vi.\n", "\n", "Convertir las fechas en dos pasos es feo. Y pandas ofrece un atajo precioso\n", "que se ve muchísimo por ahí: `format='mixed'` le dice \"descúbrelo\n", "tú\", y `dayfirst=True` le dice \"en mi país el día va primero\".\n", "\n", "Parece exactamente lo que necesitamos. Míralo:" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "atajo = pd.to_datetime(pd.read_csv(URL)['fecha'], format='mixed', dayfirst=True)\n", "print('meses con el atajo:', atajo.dt.to_period('M').nunique())\n", "print('meses de verdad: ', v['fecha'].dt.to_period('M').nunique())\n", "print('fechas cambiadas: ', (atajo != v['fecha']).sum())" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Léelo otra vez 😳\n", "\n", "El atajo **no dio error**. No avisó. No puso un warning. Se\n", "llevó por delante **847 fechas** y se inventó **seis meses\n", "que no existen**.\n", "\n", "Lo que pasó es esto: `dayfirst=True` se aplica también a las\n", "fechas que ya venían bien escritas. Cuando le llega `2025-06-05`,\n", "que es el 5 de junio, ve que el día cabe en el hueco del mes y lo cambia de\n", "sitio: te devuelve el 6 de mayo. Solo se salvan las fechas donde el día es 13 o\n", "más, porque ahí no hay confusión posible.\n", "\n", "Y ahora piensa qué pasa con todo lo que hicimos antes. El análisis mensual,\n", "la estacionalidad, el \"cuánto se mueve el negocio\": todo calculado sobre meses\n", "inventados, sin un solo mensaje rojo en pantalla.\n", "\n", "**Los errores que no dan error son los que hacen daño.** Los que\n", "te tiran el programa los arreglas y ya. Estos llegan a una diapositiva 📉\n", "\n", "La forma de cazarlo es la de siempre: después de convertir fechas, mira el\n", "mínimo, el máximo y cuántos meses distintos hay. Si tu archivo cubre año y\n", "medio y salen 24 meses, algo se rompió." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Las dos mitades de la estadística" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Con eso ya se entiende la división del libro, que es sencilla:" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "| Mitad | Qué contesta | Ejemplo de este capítulo |\n", "|---|---|---|\n", "| **Descriptiva** | Qué hay en los datos que tengo | El mes promedio se mueve 14,41% |\n", "| **Inferencial** | Qué puedo afirmar de lo que NO medí | ¿Ese 3% aguanta, o cae dentro del ruido? |" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "La descriptiva es honesta y aburrida: describe lo que tienes y no promete\n", "nada más. La inferencial es la que da miedo y la que se usa mal, porque es la\n", "que se atreve a decir \"esto también pasa fuera de mi muestra\".\n", "\n", "Los capítulos 2 al 6 son descriptiva. Del 7 al 13, inferencia. Y el 14 son\n", "los errores que invalidan un análisis entero, que casi todos viven en la\n", "segunda mitad." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Señal y ruido, viéndolos de cerca" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Antes de cerrar quiero que veas los dos con los ojos, porque una vez que los\n", "distingues ya no se te olvida.\n", "\n", "La columna `compro` vale 1 si esa venta se cerró. Voy a mirar el\n", "porcentaje de cierre por ciudad:" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "print((v.groupby('ciudad')['compro'].mean() * 100).round(1))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Dos cosas 👀\n", "\n", "La primera, que te habrá saltado a la cara: hay **nueve ciudades donde\n", "debería haber seis**. Lima está escrita de cuatro formas distintas y para\n", "pandas son cuatro ciudades diferentes. Eso lo limpiamos en el capítulo 2, y es\n", "el motivo por el que la limpieza va antes que la estadística: no hay medida que\n", "sobreviva a datos sucios.\n", "\n", "La segunda, la que nos importa hoy: los números se parecen todos. Del 55,1%\n", "al 61,0%, y con las cuatro Limas mezcladas ahí dentro. Nada destaca.\n", "\n", "Ahora mira lo mismo por segmento de cliente:" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "print((v.groupby('segmento')['compro'].mean() * 100).round(1))" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Esto ya es otra cosa 🔥\n", "\n", "Una bodega cierra el 37,6% y un mayorista el 72,3%. Casi el doble. Eso no se\n", "parece en nada a lo de ciudad.\n", "\n", "**Eso es señal.** Lo de ciudad es ruido. Y de momento lo estamos\n", "diciendo a ojo, que es exactamente lo que quiero que dejes de hacer: en el\n", "capítulo 13 le ponemos un número a cada uno y sale que la diferencia por ciudad\n", "tiene un valor p de 0,9813, o sea \"no hay nada aquí\", mientras que la de\n", "segmento sale con una probabilidad tan chica que hay que escribirla en notación\n", "científica.\n", "\n", "Pero fíjate en lo importante: **a ojo también se veía**. Los\n", "métodos del libro no están para descubrir lo que salta a la vista, sino para\n", "los casos dudosos, que son casi todos." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Y dos más que salen el primer día" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "**Esto revienta a propósito.** Se ejecuta dentro de un `try` para que puedas seguir con \"ejecutar todo\" y aun así ver la queja." ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "try:\n", " v['monto'].mean(axis=1)\n", "except Exception as e:\n", " print(f'{type(e).__name__}: {e}')" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Y la queja que tiene que salir es esta:\n", "\n", "```\n", "ValueError: No axis named 1 for object type Series\n", "```" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Una columna sola es una **Serie** y no tiene dos dimensiones, así que no hay eje 1 al que promediar. El `axis=1` vale cuando promedias varias columnas de una tabla, y aquí solo hay una." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "**Esto revienta a propósito.** Se ejecuta dentro de un `try` para que puedas seguir con \"ejecutar todo\" y aun así ver la queja." ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "try:\n", " v.groupby('ciudad')['monto'].mean().sort_values(ascending='si')\n", "except Exception as e:\n", " print(f'{type(e).__name__}: {e}')" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Y la queja que tiene que salir es esta:\n", "\n", "```\n", "ValueError: For argument \"ascending\" expected type bool, received type str.\n", "```" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Pandas quiere `True` o `False`, no la palabra. Parece una tontería y es el error que más veces vas a cometer en tu vida: las opciones de una función se escriben como la librería las pide, y las librerías están en inglés 🙃" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Practica 💪" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Los ejercicios son la mitad del libro. Intenta antes de abrir." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## El cien por ciento que salió de cinco filas" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Antes de los ejercicios, mira esto, porque es el error de este capítulo entero condensado en dos líneas de código 🎉" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### La trampa\n", "\n", "Buscas dónde está lo bueno. Partes por ciudad, segmento, canal y categoría, y aparecen grupos que convierten al 100%.\n", "\n", "```\n", "g = v.groupby(['ciudad', 'segmento', 'canal', 'categoria'])\n", "chicos = g['compro'].agg(['mean', 'count'])\n", "chicos = chicos[chicos['count'].between(3, 10)]\n", "\n", "print(len(chicos), (chicos['mean'] == 1).sum())\n", "# 429 40\n", "```\n", "\n", "**¿Qué está mal?** La respuesta está en el cuaderno de soluciones. Míralo tú primero." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### Comprueba que lo tienes\n", "\n", "Las ventas de este mes subieron 3% y el mes promedio se mueve 14,41%. ¿Qué reportas?\n", "\n", "a) Que el mes entró dentro de lo normal, y digo cuánto es lo normal\n", "\n", "b) Que subieron 3%, que es un dato cierto\n", "\n", "c) Que hay una tendencia al alza que hay que sostener\n", "\n", "d) Que hay que investigar qué lo causó" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 1. Cuánto se mueven las unidades\n", "\n", "Hicimos el ejercicio con el monto. Hazlo con\n", "`unidades`: suma por mes, cambio porcentual y media en valor\n", "absoluto. ¿Se mueve más o menos que el dinero?" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "%%revisa 1\n", "# tu turno" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 2. El mes más raro\n", "\n", "Encuentra el mes con la caída más fuerte y el de la subida\n", "más fuerte, con su nombre, no solo el número." ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "%%revisa 2\n", "# tu turno" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 3. Las cuentas sin el mes incompleto\n", "\n", "Repite la medición de la variación quitando el último mes.\n", "¿Cambia la conclusión sobre el 3%?" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "%%revisa 3\n", "# tu turno" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 4. ¿Y si el mes hubiera subido 12%?\n", "\n", "Con lo medido, ¿a partir de qué subida empezarías a\n", "prestar atención? Escribe tu criterio con un número antes de mirar." ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "%%revisa 4\n", "# tu turno" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 5. La trampa de comparar contra el mejor mes\n", "\n", "Alguien compara septiembre contra agosto y sale un +16%.\n", "Otro compara septiembre contra mayo. Calcula las dos y explica por qué la\n", "segunda es tramposa." ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "%%revisa 5\n", "# tu turno" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 6. Encuentra otra columna que sea puro ruido\n", "\n", "Vimos que ciudad no separa nada y segmento sí. Prueba con\n", "`canal` y con `categoria`. ¿Cuál de las dos se parece más\n", "a ciudad?" ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "%%revisa 6\n", "# tu turno" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 7. ¿Qué columna separa de verdad?\n", "\n", "Repite la comparación con las cuatro columnas categóricas y ordénalas por cuánto separan." ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "%%revisa 7\n", "# tu turno" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "### 8. Lo mismo, pero con sesenta filas\n", "\n", "Calcula el promedio del monto con todas las filas y después con cinco muestras de sesenta." ] }, { "cell_type": "code", "execution_count": null, "metadata": {}, "outputs": [], "source": [ "%%revisa 8\n", "# tu turno" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Lo que te llevas" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "- ❓ La estadística contesta una sola pregunta: ¿es real o es ruido? Todo lo\n", "demás es herramienta.\n", "\n", "- 📏 Antes de celebrar una diferencia, mide cuánto se mueven las cosas\n", "normalmente. Aquí el mes promedio se mueve 14,41%, así que un 3% es de los\n", "meses más planos que hay.\n", "\n", "- 🕳️ Los errores que no dan error son los peores. El atajo\n", "`dayfirst=True` cambió 847 fechas e inventó seis meses sin avisar.\n", "\n", "- 📅 El último periodo de una serie es sospechoso hasta que compruebes que\n", "está completo. Aquí junio tenía 24 días y fingía una caída del 32%.\n", "\n", "- 🎯 Quien elige la base de comparación elige el titular. Se fija antes de\n", "mirar el resultado.\n", "\n", "- ⚖️ Una diferencia solo significa algo junto a cuántos datos tienes. 3,2\n", "puntos con 3.000 filas es ruido; con 300.000 sería señal.\n", "\n", "Y si de todo el capítulo te llevas una sola frase, que sea esta:" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Un número sin su variación normal al lado no se puede interpretar. Solo\n", "se puede creer." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "Y si estás decidiendo si este camino es para ti, te dejo lo que hace de\n", "verdad una analista de datos en el día a día:\n", "[ser analista de datos](https://missyera.com/blog/ser-analista-de-datos/) 💛" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Qué viene ahora" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "En el capítulo 2 arreglamos las cuatro Limas y ponemos cada columna en su\n", "tipo, que es lo que decide qué medidas puedes usar y cuáles no tienen sentido.\n", "Y sí, hay medidas que se calculan sin dar error y no significan absolutamente\n", "nada 🙃" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "## Preguntas frecuentes" ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "¿Para qué sirve la estadística?Para distinguir lo que pasó de verdad de lo que pasó por casualidad. Todo lo demás son herramientas para contestar eso.\n", "\n", "¿Cuál es la diferencia entre estadística descriptiva e inferencial?La descriptiva resume lo que tienes delante. La inferencial usa esa muestra para decir algo del total que no mediste, y ahí es donde aparece la incertidumbre.\n", "\n", "¿Qué es la inferencia estadística?Pasar de la muestra a la población con una medida de cuánto te puedes equivocar. Sin esa medida no es inferencia, es una suposición.\n", "\n", "¿Qué es la significancia estadística?Que la diferencia que viste es más grande de lo que el azar suele producir. No dice que sea importante para el negocio, y esas dos cosas se confunden todo el rato." ] }, { "cell_type": "markdown", "metadata": {}, "source": [ "---\n", "\n", "Ese era el capítulo 1 de **Estadística desde cero**. El texto completo, con las salidas de cada bloque, está en https://missyera.com/guias/estadistica-desde-cero/es-real-o-es-ruido/\n", "\n", "Que tengas lindo día! 🌸" ] } ], "metadata": { "kernelspec": { "display_name": "Python 3", "language": "python", "name": "python3" }, "language_info": { "name": "python", "version": "3.11" } }, "nbformat": 4, "nbformat_minor": 5 }