TRANSFORMACION Y ESTANDARIZACION DE VARIABLES
Kevin Merino
2024-01-05
TRANSFORMACION Y ESTANDARIZACION DE VARIABLES
La transformación y estandarización de variables son técnicas comunes utilizadas en el análisis de datos para mejorar la interpretación de los datos y garantizar que las variables sean comparables entre si
CARGAR CONJUNTO DE DATOS
telco <- read.csv("https://raw.githubusercontent.com/VictorGuevaraP/Estadistica-R/master/Caso_telefon%C3%ADa.csv", sep=";", encoding="latin1", stringsAsFactors = TRUE)
head(telco)## Código Género Sucursal Reclamos Llamadas Edad Minutos Monto Tiempo
## 1 CLIPE1 Masculino Suc. Este 5 7 27 33.0 90.7 16.9
## 2 CLIPE2 Femenino Suc. Este 2 4 28 31.7 95.7 1.5
## 3 CLIPE3 Masculino Suc. Este 5 7 28 39.9 114.5 4.0
## 4 CLIPE4 Masculino Suc. Este 3 5 21 39.3 106.0 14.5
## 5 CLIPE5 Femenino Suc. Este 2 3 29 37.8 99.0 2.7
## 6 CLIPE6 Masculino Suc. Este 3 4 26 43.7 90.2 11.5
## Opinión
## 1 Regular
## 2 Bueno
## 3 Pésimo
## 4 Muy Bueno
## 5 Pésimo
## 6 BuenoTRANSFORMACION RAIZ CUADRADA
#ORIGINAL
hist(telco$Edad, 12)
Para sacar la raiz cuadrada simplemente utilizar la funcion de SQRT
sqrt(telco$Edad)## [1] 5.196152 5.291503 5.291503 4.582576 5.385165 5.099020 6.324555 6.324555
## [9] 5.477226 5.196152 5.291503 4.898979 5.099020 5.744563 4.582576 6.324555
## [17] 5.000000 6.164414 5.916080 5.567764 5.291503 5.099020 5.099020 5.744563
## [25] 5.830952 4.690416 5.099020 6.244998 5.567764 4.690416 5.291503 5.916080
## [33] 4.690416 6.324555 5.830952 4.472136 5.830952 4.472136 5.385165 5.744563
## [41] 4.795832 5.916080 4.898979 5.656854 5.656854 5.196152 6.082763 5.656854
## [49] 5.744563 5.916080 6.244998 5.830952 6.164414 6.244998 6.082763 5.656854
## [57] 6.082763 5.000000 5.099020 6.324555 6.324555 5.477226 5.291503 4.898979
## [65] 5.744563 4.582576 5.291503 4.582576 5.385165 6.000000 5.830952 4.472136
## [73] 5.830952 4.472136 5.385165 5.567764 4.690416 6.164414 6.000000 5.744563GRAFICAMENTE
hist(sqrt(telco$Edad))
TRANSFORMACION EXPONENCIAL
Se aplica cuando los datos tienenuna distribucion sesgada hacia la izquierda(asimetria negativa). La transformacion exponencial puede ayudar a corregir asimetria y hacer que los datos se aproximen mas a una distribucion simètrica.
En R para poder obtener esta transformacion se debe utilizar la funcion exp()
exp(telco$Edad)## [1] 5.320482e+11 1.446257e+12 1.446257e+12 1.318816e+09 3.931334e+12
## [6] 1.957296e+11 2.353853e+17 2.353853e+17 1.068647e+13 5.320482e+11
## [11] 1.446257e+12 2.648912e+10 1.957296e+11 2.146436e+14 1.318816e+09
## [16] 2.353853e+17 7.200490e+10 3.185593e+16 1.586013e+15 2.904885e+13
## [21] 1.446257e+12 1.957296e+11 1.957296e+11 2.146436e+14 5.834617e+14
## [26] 3.584913e+09 1.957296e+11 8.659340e+16 2.904885e+13 3.584913e+09
## [31] 1.446257e+12 1.586013e+15 3.584913e+09 2.353853e+17 5.834617e+14
## [36] 4.851652e+08 5.834617e+14 4.851652e+08 3.931334e+12 2.146436e+14
## [41] 9.744803e+09 1.586013e+15 2.648912e+10 7.896296e+13 7.896296e+13
## [46] 5.320482e+11 1.171914e+16 7.896296e+13 2.146436e+14 1.586013e+15
## [51] 8.659340e+16 5.834617e+14 3.185593e+16 8.659340e+16 1.171914e+16
## [56] 7.896296e+13 1.171914e+16 7.200490e+10 1.957296e+11 2.353853e+17
## [61] 2.353853e+17 1.068647e+13 1.446257e+12 2.648912e+10 2.146436e+14
## [66] 1.318816e+09 1.446257e+12 1.318816e+09 3.931334e+12 4.311232e+15
## [71] 5.834617e+14 4.851652e+08 5.834617e+14 4.851652e+08 3.931334e+12
## [76] 2.904885e+13 3.584913e+09 3.185593e+16 4.311232e+15 2.146436e+14GRAFICAMENTE
hist(exp(telco$Edad))
Forma 2
edad_exp <- exp(telco$Edad)
hist(edad_exp)
TRANSFORMACION LOGARITMICA
Esta transformacion se utiliza cuando los datos presentan una distribucion sesgada hacia la derecha(asimetria positiva)
Para la transformacion logaritmica utilizar log(dentro de los argumentos se puede cambiar la base)
log(telco$Edad)## [1] 3.295837 3.332205 3.332205 3.044522 3.367296 3.258097 3.688879 3.688879
## [9] 3.401197 3.295837 3.332205 3.178054 3.258097 3.496508 3.044522 3.688879
## [17] 3.218876 3.637586 3.555348 3.433987 3.332205 3.258097 3.258097 3.496508
## [25] 3.526361 3.091042 3.258097 3.663562 3.433987 3.091042 3.332205 3.555348
## [33] 3.091042 3.688879 3.526361 2.995732 3.526361 2.995732 3.367296 3.496508
## [41] 3.135494 3.555348 3.178054 3.465736 3.465736 3.295837 3.610918 3.465736
## [49] 3.496508 3.555348 3.663562 3.526361 3.637586 3.663562 3.610918 3.465736
## [57] 3.610918 3.218876 3.258097 3.688879 3.688879 3.401197 3.332205 3.178054
## [65] 3.496508 3.044522 3.332205 3.044522 3.367296 3.583519 3.526361 2.995732
## [73] 3.526361 2.995732 3.367296 3.433987 3.091042 3.637586 3.583519 3.496508GRAFICAMENTE
hist(log(telco$Edad))
CAMBIAR BASE 2
log(telco$Edad, base=2)## [1] 4.754888 4.807355 4.807355 4.392317 4.857981 4.700440 5.321928 5.321928
## [9] 4.906891 4.754888 4.807355 4.584963 4.700440 5.044394 4.392317 5.321928
## [17] 4.643856 5.247928 5.129283 4.954196 4.807355 4.700440 4.700440 5.044394
## [25] 5.087463 4.459432 4.700440 5.285402 4.954196 4.459432 4.807355 5.129283
## [33] 4.459432 5.321928 5.087463 4.321928 5.087463 4.321928 4.857981 5.044394
## [41] 4.523562 5.129283 4.584963 5.000000 5.000000 4.754888 5.209453 5.000000
## [49] 5.044394 5.129283 5.285402 5.087463 5.247928 5.285402 5.209453 5.000000
## [57] 5.209453 4.643856 4.700440 5.321928 5.321928 4.906891 4.807355 4.584963
## [65] 5.044394 4.392317 4.807355 4.392317 4.857981 5.169925 5.087463 4.321928
## [73] 5.087463 4.321928 4.857981 4.954196 4.459432 5.247928 5.169925 5.044394GRAFICAMENTE
hist(log(telco$Edad, base = 2))
COMPARACION DE TRANSFORMACIONES
edad_sqrt <- sqrt(telco$Edad)
edad_exp <- exp(telco$Edad)
edad_ln <- log(telco$Edad)
edad_log2 <- log(telco$Edad, base=2)
edad_log5 <- log(telco$Edad, base=5)VER GRAFICAMENTE CADA UNA:
par(mfrow=c(3,2))
hist(telco$Edad)
hist(edad_sqrt)
hist(edad_exp)
hist(edad_ln)
hist(edad_log2)
hist(edad_log5)
par(mfrow=c(1,1))Este tipo de transformaciones, busca que los datos simetricos(distribucion forma de campana) o que cumpla un supuesto estadistico. La visualizacion de la distribucion puede mejorarse con la grafica de densidad.
par(mfrow=c(3,2))
plot(density(telco$Edad), main = "Distribucion de Edades originales")
plot(density(edad_sqrt), main = "Distribucion de Edades transformadas - sqrt")
plot(density(edad_exp), main = "Distribucion de Edades transformadas - exp")
plot(density(edad_ln), main = "Distribucion de Edades transformadas - ln")
plot(density(edad_log2), main = "Distribucion de Edades transformadas - log2")
plot(density(edad_log5), main = "Distribucion de Edades transformadas - log5")
par(mfrow=c(1,1))Se puede Realizar un Anàlisis general de las variables originales y verificar su comportamiento, a partir de alli se puede aplicar la transformacion mas adecuada segun el objetivo.
GRAFICA GENERAL
library(PerformanceAnalytics)## Loading required package: xts## Loading required package: zoo##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric##
## Attaching package: 'PerformanceAnalytics'## The following object is masked from 'package:graphics':
##
## legendchart.Correlation(cor(telco[,4:8]),histogram=TRUE)