Curso_Analisis_Datos_UFBA

El “arte”del análisis de datos: De las hojas de cálculo a R Juan Freire Universidade da Coruña http://juanfreire.net/ Instituto de Humanidades, Artes & Ciências Professor Milton Santos (IHAC) Universidade Federal da Bahía (UFBA) Abril 2010

¿Para qué el análisis de datos? • Fuentes de información disponibles • Hipótesis a priori • Patrones posibles

http://en.wikipedia.org/wiki/Data_analysis Analysis of data is a process of inspecting, cleaning, transforming, and modeling data with the goal of highlighting useful information, suggesting conclusions, and supporting decision making. Data analysis has multiple facets and approaches, encompassing diverse techniques under a variety of names, in different business, science, and social science domains.

Texto Cultural analytics (Lev Manovich) Visualization shows 1048576 Manga pages Each point represents one page grey points - all pages in the set red points - all pages corresponding to a single title: Anatolia Story (artist: Chie Shinohara) X axis - brightness mean Y axis - entropy

Antes de iniciar el diseño del análisis de datos Análisis cuantitativos ... a veces de información cualitativa • Hipótesis • Exploración de patrones

Fuentes de información - Unidades de información (casos) - Contenido (variables) - Tipos de contenido (codiﬁcación): cuantitativo semi-cuantitativo (ordenado) categórico 1/0

Fases del análisis de datos a) Diseño de bases de datos: variables (codiﬁcación); casos b) Exploración de datos - Visualización c) Depuración de datos: errores, outliers, redeﬁnición de variables d) Análisis estadísticos - Visualización

Análisis exploratorio Métodos gráﬁcos • Depuración de datos • Visualización de patrones: sugerir hipótesis • Planiﬁcar la obtención de nueva información

Gráﬁcos estadísticos Visualización de datos cuantitativos • Box-plots • Histogramas • Scatter plots • ...

Blox plots

Histogramas

Pareto chart

Scatter plot

Correlation scatter-plot matrix for ordered-categorical data

A visualization of thousands of Wikipedia edits that were made by a single software bot. Each color corresponds to a different page.

Detección de outliers An outlier is an observation that lies an abnormal distance from other values in a random sample from a population. In a sense, this deﬁnition leaves it up to the analyst (or a consensus process) to decide what will be considered abnormal. Before abnormal observations can be singled out, it is necessary to characterize normal observations. Engeneering Statistics Handbook

Errores / Outliers

Algunos ejemplos de análisis de datos y visualización cientíﬁca en arte

Harun Farocki. Deep Play

Harun Farocki – Deep Play

Ben Fry. Cartografías genéticas (Processing)

Ben Fry. Cartografías genéticas. Processing

Análisis y visualización de redes tróﬁcas

Compilation and Network Analyses of Cambrian Food Webs Chengjiang Shale Burgess Shale

East River Valley Trophic Web

Little Rock Lake Trophic Web: Dynamic View 5

Software para análisis de datos y visualización • Bases de datos • Hojas de cálculo • Paquetes de gráﬁcos (+ estadística básica) • Paquetes estadísticos (+visualización + lenguaje de programación)

Curvas de aprendizaje R resultados hoja de cálculo planilha eletrônica tiempo

Sistemas de gestión de bases de datos • OpenOfﬁce.org Base • Microsoft Ofﬁce Access • mySQL • ...

Holas de cálculo (Planilha eletrônica) • Open Ofﬁce.org Calc • Gnumeric • Microsoft Ofﬁce Excel • Google Docs • ...

http://upload.wikimedia.org/wikipedia/en/2/23/Spreadsheet_animation.gif

OpenOfﬁce.org Calc

Gnumeric

Algunos usos de hojas de cálculo • Gestión e importación de datos • Tablas de dinámicas • Correlación y regresión

Sofware estadítico • SAS: Business Analytics and Business Intelligence Software. Windows. $$$$$$$. GUI • IBM SPSS Statistics (antes: Statistical Package for the Social Sciences). Windows, Mac, Linux. $$$. GUI • Statistica. Windows, Mac. $$$. GUI • R. Software libre. Linux, Mac, Windows. Línea de comandos

http://www.r-project.org/

¿Qué es R? • Lenguaje de programación • Software libre, gratuito y multiplataforma • Línea de comandos • Extensible • Área de trabajo

Paquetes en R • Colecciones de funciones, datos y código • compilado • formato estandarizado

Extensiones de la interfaz • Windows, Mac: Tienen una GUI que te deja hacer bastantes cosas con menús • Edición de Scripts: • Interno a la GUI • Externo: Tinn-R, R-WinEdt, o mediante plugins

Tinn-R

ggplot2

http://ecoarte.info	75
http://nomada.tumblr.com	54
http://www.slideshare.net	13
http://www.tumblr.com	1
http://safe.tumblr.com	1
http://www.emotools.com	1

Curso_Analisis_Datos_UFBA

by Freire Juan on Apr 30, 2010

Accessibility

Tags

Upload Details

Usage Rights

6 Embeds 145

Statistics

Curso_Analisis_Datos_UFBA — Presentation Transcript