GalisLab 💻📊

Os compraríais un apartamento de playa para vivir todo el año? O una casita de pueblo para lo mismo? Os leo.

Pues ha caído oferta en la empresa grande 😮‍💨🙌🏻 Hay dos sobre la mesa y la otra sigue a la espera después de la prueba técnica. Estoy al 90% de aceptar la que me acaban de hacer, pero no quiero precipitarme. Me han ofertado un 11% más que la otra que tengo y 5k € más de lo que pedí en un principio. Cuando todo termine me va a parecer mentira, que suplicio 😅

📈 ¿Quieres dedicarte a la Ciencia de Datos y te han dicho que la Estadística es muy importante? Así es, no basta con saber Python. La estadística es el corazón para entender los datos, no solo para procesarlos. Aquí tienes los 6️⃣ conceptos estadísticos fundamentales que necesitas conocer para analizar datos con criterio: 📊 1. No resumas, visualiza (El Histograma) El primer error es intentar resumir un millón de datos con un solo número. Eso es imposible. Antes de lanzar modelos complejos, necesitas entender la forma de tus datos. Un histograma te permite ver cómo se distribuyen los valores (por ejemplo, cuántos amigos tienen los usuarios de tu red social) y detectar si hay algo extraño a simple vista. 🎯 ¿Dónde está el centro? (Media vs. Mediana) Todos conocemos el promedio (la media), pero tiene un punto débil: es hipersensible a los outliers (valores atípicos). - El problema: Si en una sala entra una persona con 200 amigos cuando el resto tiene 5, el promedio se dispara y engaña. O como dice la leyenda: si Michael Jordan entra en una clase de geografía, la media de salarios futuros se dispara, pero eso no representa la realidad de la clase. - La solución: La Mediana. Es el valor central y no le importan los extremos. Si tus datos tienen mucho ruido, fíate más de la mediana. Hacer ciencia de datos es saber cuándo usar cada una. 💦 La Dispersión (Varianza y Desviación Estándar) Saber el centro no es suficiente; necesitas saber qué tan dispersos están los datos. - El Rango (Máximo - Mínimo) es demasiado básico y frágil. - La Varianza mide cómo se alejan los datos de la media, pero sus unidades son "al cuadrado", lo que la hace difícil de interpretar mentalmente. - La Desviación Estándar es la reina. Al ser la raíz cuadrada de la varianza, vuelve a tener las mismas unidades que tus datos originales, haciéndola mucho más intuitiva para explicar qué es "normal" y qué es "raro". 🔗 Correlación no es lo que crees La correlación nos dice cómo se relacionan dos variables (si "X" sube, ¿"Z" sube o baja?). Pero hay una trampa: una correlación de cero no significa que no haya relación, solo significa que no hay relación lineal. Tus variables podrían tener una relación compleja que la correlación simple no detecta. 🤯 La Paradoja de Simpson Este es el concepto que separa a los novatos de los expertos. Las correlaciones pueden ser totalmente engañosas si ignoras las variables de confusión. Intento que lo entiendas: Imaginate dos campañas de marketing (A y B), la Campaña B convierte mejor que la A (30% vs 20%) Pero si filtras por dispositivo, la Campaña A gana tanto en Móvil como en PC. ¿La razón? La variable oculta (tipo de dispositivo) distorsionaba el promedio global. Los datos agregados mienten; analiza siempre los subgrupos. ⚠️ La Regla de Oro: Correlación ≠ Causalidad Que dos cosas se muevan juntas no significa que una cause la otra. Tienes una red social. ¿Los usuarios pasan más tiempo en tu web porque tienen más amigos? ¿O tienen más amigos porque pasan más tiempo en la web? ¿O es que los usuarios más activos simplemente son más propensos a ambas cosas?. Nunca asumas la causa de algo sin pruebas. 👉 La estadística nos ayuda a sintetizar y comunicar las características relevantes de nuestros datos. Sin estos conceptos, solo estás ejecutando funciones de librerías sin entender el porqué.