Capítulo15 Análisis Exploratorio
Fecha de la última revisión
## [1] "2026-09-02"El tema proviene de los siguientes sitios.
English: https://r4ds.had.co.nz/exploratory-data-analysis.html
Español: https://es.r4ds.hadley.nz/07-eda.html
15.2 Términos importantes
- variable
- valor
- observación
- datos tabulados
15.2.1 Variación
El análisis exploratorio de datos (EDA) fue impulsado por John W. Tukey, quien publicó el libro Exploratory Data Analysis en 1977. Su idea: antes de probar hipótesis, hay que mirar los datos con gráficos sencillos para descubrir patrones, valores típicos y atípicos.
count() y los geom_* de exploración — resumir y visualizar.
count(variable): cuenta cuántas observaciones hay por categoría.- Una variable:
geom_histogram()/geom_bar()para ver su distribución. - Dos variables:
geom_point(),geom_boxplot(),geom_count(),geom_tile(),geom_hex()según los tipos.
- visualización de las distribuciones
- count()
- cut_width()
- valores típicos
- valores inusuales o atípicos
- Ejercicios:
Hacer los ejercicios en la sección 7.3.4 del libro en español
15.2.2 Valores faltantes
- between()
- ifelse()
- Ejercicios:
Hacer los ejercicios en la sección 7.4.1 del libro en español
En R los valores faltantes se representan con NA. Funciones como mean() o sum() los propagan y devuelven NA, por eso conviene usar el argumento na.rm = TRUE.
15.2.3 Covariación
- geom_boxplot
- IQR()
- Ejercicios:
Hacer los ejercicios en la sección 7.5.1.1 del libro en español
15.2.4 Dos variables categóricas
- geom_count()
- geom_tile()
- Ejercicios:
Hacer los ejercicios en la sección 7.5.2.1 del libro en español