TRANSFORMACION Y ESTANDARIZACION DE VARIABLES

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    PƩsimo
## 4 Muy Bueno
## 5    PƩsimo
## 6     Bueno

I. TRANSFORMACION RAIZ CUADRADA

Esta transformación se utiliza para reducir la dispersión de los datos cuando estos tienen una distribución con una varianza que aumenta con el nivel medio de la variable. También puede ayudar a reducir la asimetría.

1.1 VARIABLE MINUTOS

1.1.1 ORIGINAL

hist(telco$Minutos, 12)

1.1.2 RAIZ CUADRADA

sqrt(telco$Minutos)
##  [1] 5.744563 5.630275 6.316645 6.268971 6.148170 6.610598 6.789698 6.131884
##  [9] 6.480741 6.557439 6.693280 6.131884 5.196152 5.486347 5.147815 5.319774
## [17] 5.449771 5.700877 4.969909 4.979960 5.674504 5.167204 5.603570 5.576737
## [25] 5.167204 5.839521 5.215362 5.329165 7.042727 5.347897 6.107373 5.822371
## [33] 6.164414 6.457554 6.188699 6.971370 5.761944 6.403124 6.457554 5.882176
## [41] 6.892024 5.916080 6.066300 6.603030 5.932959 6.148170 6.140033 6.442049
## [49] 7.092249 5.796551 7.211103 7.099296 6.016644 6.308724 7.886698 6.752777
## [57] 6.971370 6.300794 5.069517 6.356099 6.804410 6.603030 7.429670 6.252999
## [65] 7.183314 6.640783 6.244998 7.224957 7.321202 6.024948 4.929503 5.639149
## [73] 5.744563 5.630275 5.603570 5.186521 4.183300 5.468089 6.024948 5.639149

1.1.3 GRAFICAMENTE

hist(sqrt(telco$Minutos))

1.2 VARIABLE MONTO

1.2.1 ORIGINAL

hist(telco$Monto, 12)

1.2.2 RAIZ CUADRADA

sqrt(telco$Monto)
##  [1]  9.523655  9.782638 10.700467 10.295630  9.949874  9.497368 10.124228
##  [8]  9.602083 10.492855  9.823441  9.396808  9.252027  9.471008  9.423375
## [15]  9.165151  9.176056  9.576012  8.608136  9.423375  9.570789  8.944272
## [22]  9.402127  8.860023  9.396808  9.252027  9.412757  8.876936  9.033272
## [29]  9.289779  9.154234  9.523655  9.782638  9.964939  9.126883  9.864076
## [36]  9.099451  9.710819  9.823441  8.876936 10.009995  9.082951  9.088454
## [43]  9.721111  9.289779  9.396808  9.148770  9.154234  9.170605  9.121403
## [50]  9.208692  9.944848 10.913295 10.168579 10.469002 10.295630 10.029955
## [57] 10.148892 10.511898 10.601887  9.523655 10.606602 10.406729 10.295630
## [64]  9.949874  9.497368 10.124228  9.602083 10.492855  9.823441  9.591663
## [71]  9.176056  9.402127  8.860023  9.396808  9.252027  9.412757  8.876936
## [78]  9.033272  9.289779  9.154234

1.2.3 GRAFICAMENTE

hist(sqrt(telco$Monto))

1.3 VARIABLE TIEMPO

1.3.1 ORIGINAL

hist(telco$Tiempo, 12)

1.3.2 RAIZ CUADRADA

sqrt(telco$Tiempo)
##  [1] 4.1109610 1.2247449 2.0000000 3.8078866 1.6431677 3.3911650 0.7071068
##  [8] 1.1401754 2.3021729 1.0954451 1.3038405 4.5276926 0.8944272 0.6324555
## [15] 1.6733201 2.4083189 2.0493902 0.8944272 3.0822070 1.6124515 2.1213203
## [22] 1.1401754 1.6124515 2.3452079 1.6431677 3.3911650 0.7071068 1.1401754
## [29] 2.3021729 1.0954451 1.3038405 4.5276926 1.8165902 0.5477226 1.3038405
## [36] 4.0620192 1.9748418 5.1575188 1.5491933 0.5477226 1.6431677 4.7644517
## [43] 2.1213203 2.1447611 2.8635642 2.2803509 2.0000000 3.5355339 4.8682646
## [50] 1.6431677 6.0000000 0.7071068 1.2649111 1.3038405 0.8944272 1.4832397
## [57] 2.1908902 1.4832397 2.0000000 4.1109610 1.2247449 1.6733201 1.8708287
## [64] 2.0000000 3.8078866 1.7606817 2.1679483 1.9748418 2.5690465 3.4205263
## [71] 1.6124515 2.3021729 1.0954451 1.3038405 4.5276926 1.8165902 0.5477226
## [78] 1.3038405 1.4832397 2.0000000

1.3.3 GRAFICAMENTE

hist(sqrt(telco$Tiempo))

1.4 VARIABLE RECLAMOS

1.4.1 ORIGINAL

hist(telco$Reclamos, 12)

1.4.2 RAIZ CUADRADA

sqrt(telco$Reclamos)
##  [1] 2.236068 1.414214 2.236068 1.732051 1.414214 1.732051 2.449490 1.414214
##  [9] 1.732051 1.000000 1.732051 1.732051 1.414214 1.000000 2.000000 1.732051
## [17] 1.732051 2.000000 2.000000 1.000000 1.732051 1.000000 2.645751 1.732051
## [25] 1.732051 1.414214 2.000000 2.236068 1.000000 2.236068 1.414214 1.732051
## [33] 1.732051 2.000000 1.000000 1.414214 1.414214 1.000000 2.000000 2.000000
## [41] 1.732051 1.000000 1.732051 1.000000 1.414214 2.645751 1.732051 2.236068
## [49] 1.732051 2.645751 2.828427 2.236068 2.828427 2.000000 2.000000 1.732051
## [57] 2.645751 2.236068 1.414214 1.732051 2.828427 2.000000 2.828427 3.316625
## [65] 2.236068 2.000000 3.000000 2.828427 1.732051 1.414214 1.000000 1.000000
## [73] 1.732051 2.000000 1.414214 1.000000 1.414214 1.732051 1.414214 1.414214

1.4.3 GRAFICAMENTE

hist(sqrt(telco$Reclamos))

1.5 VARIABLE LLAMADAS

1.5.1 ORIGINAL

hist(telco$Llamadas, 12)

1.5.2 RAIZ CUADRADA

sqrt(telco$Llamadas)
##  [1] 2.645751 2.000000 2.645751 2.236068 1.732051 2.000000 2.828427 2.000000
##  [9] 2.449490 2.000000 2.236068 1.732051 2.000000 1.414214 2.236068 2.236068
## [17] 2.449490 2.236068 2.000000 2.449490 2.645751 1.000000 3.000000 2.236068
## [25] 2.449490 2.449490 2.449490 2.645751 1.000000 2.645751 2.000000 2.236068
## [33] 1.732051 2.000000 1.000000 1.732051 1.732051 1.414214 2.645751 2.236068
## [41] 2.828427 1.414214 2.828427 1.000000 1.732051 2.828427 2.000000 2.828427
## [49] 2.645751 2.828427 3.000000 2.236068 2.828427 2.000000 2.236068 2.000000
## [57] 2.645751 2.236068 1.732051 2.000000 2.828427 2.000000 2.828427 3.605551
## [65] 2.449490 2.645751 3.000000 2.828427 1.732051 1.414214 1.000000 1.000000
## [73] 1.732051 2.236068 1.414214 1.414214 1.732051 1.732051 1.732051 1.414214

1.5.3 GRAFICAMENTE

hist(sqrt(telco$Llamadas))

II. TRANSFORMACION EXPONENCIAL

Se aplica cuando los datos tienen una distribución sesgada hacia la izquierda (asimetría negativa). La transformación exponencial puede ayudar a corregir la asimetría y hacer que los datos se aproximen mÔs a una distribución simétrica. En r para poder obtener esta transformación, se debe utilizar la función exp()

2.1 VARIABLE MINUTOS

minutos_exp <- exp(telco$Minutos)
hist(minutos_exp)

2.1 VARIABLE MONTO

monto_exp <- exp(telco$Monto)
hist(monto_exp)

2.1 VARIABLE TIEMPO

tiempo_exp <- exp(telco$Tiempo)
hist(tiempo_exp)

2.1 VARIABLE RECLAMOS

reclamo_exp <- exp(telco$Reclamos)
hist(reclamo_exp)

2.1 VARIABLE LLAMADAS

llamada_exp <- exp(telco$Llamadas)
hist(llamada_exp)

III. TRANSFORMACION LOGARITMICA

Esta transformación se utiliza cuando los datos presentan una distribución sesgada hacia la derecha (asimetría positiva). La transformación logarítmica reduce la asimetría y puede facilitar la interpretación de los datos. Para la transformación logaritmica, utilizar log (dentro de los argumentos se puede cambiar la base)

3.1 VARIABLE MINUTOS

log(telco$Minutos)
##  [1] 3.496508 3.456317 3.686376 3.671225 3.632309 3.777348 3.830813 3.627004
##  [9] 3.737670 3.761200 3.802208 3.627004 3.295837 3.404525 3.277145 3.342862
## [17] 3.391147 3.481240 3.206803 3.210844 3.471966 3.284664 3.446808 3.437208
## [25] 3.284664 3.529297 3.303217 3.346389 3.903991 3.353407 3.618993 3.523415
## [33] 3.637586 3.730501 3.645450 3.883624 3.502550 3.713572 3.730501 3.543854
## [41] 3.860730 3.555348 3.605498 3.775057 3.561046 3.632309 3.629660 3.725693
## [49] 3.918005 3.514526 3.951244 3.919991 3.589059 3.683867 4.130355 3.819908
## [57] 3.883624 3.681351 3.246491 3.698830 3.835142 3.775057 4.010963 3.666122
## [65] 3.943522 3.786460 3.663562 3.955082 3.981549 3.591818 3.190476 3.459466
## [73] 3.496508 3.456317 3.446808 3.292126 2.862201 3.397858 3.591818 3.459466

GRAFICAMENTE

hist(log(telco$Minutos))

BASE 2

hist(log(telco$Minutos, base=2))

3.2 VARIABLE MONTO

log(telco$Monto)
##  [1] 4.507557 4.561218 4.740575 4.663439 4.595120 4.502029 4.629863 4.523960
##  [9] 4.701389 4.569543 4.480740 4.449685 4.496471 4.486387 4.430817 4.433195
## [17] 4.518522 4.305416 4.486387 4.517431 4.382027 4.481872 4.363099 4.480740
## [25] 4.449685 4.484132 4.366913 4.401829 4.457830 4.428433 4.507557 4.561218
## [33] 4.598146 4.422449 4.577799 4.416428 4.546481 4.569543 4.366913 4.607168
## [41] 4.412798 4.414010 4.548600 4.457830 4.480740 4.427239 4.428433 4.432007
## [49] 4.421247 4.440296 4.594109 4.779963 4.638605 4.696837 4.663439 4.611152
## [57] 4.634729 4.705016 4.722064 4.507557 4.722953 4.684905 4.663439 4.595120
## [65] 4.502029 4.629863 4.523960 4.701389 4.569543 4.521789 4.433195 4.481872
## [73] 4.363099 4.480740 4.449685 4.484132 4.366913 4.401829 4.457830 4.428433

GRAFICAMENTE

hist(log(telco$Monto))

BASE 2

hist(log(telco$Monto, base=2))

3.3 VARIABLE TIEMPO

log(telco$Tiempo)
##  [1]  2.8273136  0.4054651  1.3862944  2.6741486  0.9932518  2.4423470
##  [7] -0.6931472  0.2623643  1.6677068  0.1823216  0.5306283  3.0204249
## [13] -0.2231436 -0.9162907  1.0296194  1.7578579  1.4350845 -0.2231436
## [19]  2.2512918  0.9555114  1.5040774  0.2623643  0.9555114  1.7047481
## [25]  0.9932518  2.4423470 -0.6931472  0.2623643  1.6677068  0.1823216
## [31]  0.5306283  3.0204249  1.1939225 -1.2039728  0.5306283  2.8033604
## [37]  1.3609766  3.2809112  0.8754687 -1.2039728  0.9932518  3.1223649
## [43]  1.5040774  1.5260563  2.1041342  1.6486586  1.3862944  2.5257286
## [49]  3.1654750  0.9932518  3.5835189 -0.6931472  0.4700036  0.5306283
## [55] -0.2231436  0.7884574  1.5686159  0.7884574  1.3862944  2.8273136
## [61]  0.4054651  1.0296194  1.2527630  1.3862944  2.6741486  1.1314021
## [67]  1.5475625  1.3609766  1.8870696  2.4595888  0.9555114  1.6677068
## [73]  0.1823216  0.5306283  3.0204249  1.1939225 -1.2039728  0.5306283
## [79]  0.7884574  1.3862944

GRAFICAMENTE

hist(log(telco$Tiempo))

BASE 2

hist(log(telco$Tiempo, base=2))

3.4 VARIABLE RECLAMOS

log(telco$Reclamos)
##  [1] 1.6094379 0.6931472 1.6094379 1.0986123 0.6931472 1.0986123 1.7917595
##  [8] 0.6931472 1.0986123 0.0000000 1.0986123 1.0986123 0.6931472 0.0000000
## [15] 1.3862944 1.0986123 1.0986123 1.3862944 1.3862944 0.0000000 1.0986123
## [22] 0.0000000 1.9459101 1.0986123 1.0986123 0.6931472 1.3862944 1.6094379
## [29] 0.0000000 1.6094379 0.6931472 1.0986123 1.0986123 1.3862944 0.0000000
## [36] 0.6931472 0.6931472 0.0000000 1.3862944 1.3862944 1.0986123 0.0000000
## [43] 1.0986123 0.0000000 0.6931472 1.9459101 1.0986123 1.6094379 1.0986123
## [50] 1.9459101 2.0794415 1.6094379 2.0794415 1.3862944 1.3862944 1.0986123
## [57] 1.9459101 1.6094379 0.6931472 1.0986123 2.0794415 1.3862944 2.0794415
## [64] 2.3978953 1.6094379 1.3862944 2.1972246 2.0794415 1.0986123 0.6931472
## [71] 0.0000000 0.0000000 1.0986123 1.3862944 0.6931472 0.0000000 0.6931472
## [78] 1.0986123 0.6931472 0.6931472

GRAFICAMENTE

hist(log(telco$Reclamos))

BASE 2

hist(log(telco$Reclamos, base=2))

3.5 VARIABLE LLAMADAS

log(telco$Llamadas)
##  [1] 1.9459101 1.3862944 1.9459101 1.6094379 1.0986123 1.3862944 2.0794415
##  [8] 1.3862944 1.7917595 1.3862944 1.6094379 1.0986123 1.3862944 0.6931472
## [15] 1.6094379 1.6094379 1.7917595 1.6094379 1.3862944 1.7917595 1.9459101
## [22] 0.0000000 2.1972246 1.6094379 1.7917595 1.7917595 1.7917595 1.9459101
## [29] 0.0000000 1.9459101 1.3862944 1.6094379 1.0986123 1.3862944 0.0000000
## [36] 1.0986123 1.0986123 0.6931472 1.9459101 1.6094379 2.0794415 0.6931472
## [43] 2.0794415 0.0000000 1.0986123 2.0794415 1.3862944 2.0794415 1.9459101
## [50] 2.0794415 2.1972246 1.6094379 2.0794415 1.3862944 1.6094379 1.3862944
## [57] 1.9459101 1.6094379 1.0986123 1.3862944 2.0794415 1.3862944 2.0794415
## [64] 2.5649494 1.7917595 1.9459101 2.1972246 2.0794415 1.0986123 0.6931472
## [71] 0.0000000 0.0000000 1.0986123 1.6094379 0.6931472 0.6931472 1.0986123
## [78] 1.0986123 1.0986123 0.6931472

GRAFICAMENTE

hist(log(telco$Llamadas))

BASE 2

hist(log(telco$Llamadas, base=2))

IV. COMPARACION DE TRANSFORMACIONES

Obtener solo tranaformaciones

4.1 VARIABLE MINUTOS

minutos_sqrt <- sqrt(telco$Minutos)
minutos_exp <- exp(telco$Minutos)
minutos_ln <- log(telco$Minutos)
minutos_log2 <- log(telco$Minutos, base=2)
minutos_log5 <- log(telco$Minutos, base=5)

GRAFICAMENTE

par(mfrow=c(3,2))
hist(telco$Minutos)
hist(minutos_sqrt)
hist(minutos_exp)
hist(minutos_ln)
hist(minutos_log2)
hist(minutos_log5)

par(mfrow=c(1,1))

GRAFICA DE DENSIDAD

par(mfrow=c(3,2))
plot(density(telco$Minutos), main = "Distribucion de Minutos originales")
plot(density(minutos_sqrt), main = "Distribucion de Minutos transformadas - sqrt")
plot(density(minutos_exp), main = "Distribucion de Minutos transformadas - exp")
plot(density(minutos_ln), main = "Distribucion de Minutos transformadas - ln")
plot(density(minutos_log2), main = "Distribucion de Minutos transformadas - log2")
plot(density(minutos_log5), main = "Distribucion de Minutos transformadas - log5")

par(mfrow=c(1,1))

4.2 VARIABLE MONTO

monto_sqrt <- sqrt(telco$Monto)
monto_exp <- exp(telco$Monto)
monto_ln <- log(telco$Monto)
monto_log2 <- log(telco$Monto, base=2)
monto_log5 <- log(telco$Monto, base=5)

GRAFICAMENTE

par(mfrow=c(3,2))
hist(telco$Monto)
hist(monto_sqrt)
hist(monto_exp)
hist(monto_ln)
hist(monto_log2)
hist(monto_log5)

par(mfrow=c(1,1))

GRAFICA DE DENSIDAD

par(mfrow=c(3,2))
plot(density(telco$Monto), main = "Distribucion de Monto originales")
plot(density(monto_sqrt), main = "Distribucion de Monto transformadas - sqrt")
plot(density(monto_exp), main = "Distribucion de Monto transformadas - exp")
plot(density(monto_ln), main = "Distribucion de Monto transformadas - ln")
plot(density(monto_log2), main = "Distribucion de Monto transformadas - log2")
plot(density(monto_log5), main = "Distribucion de Monto transformadas - log5")

par(mfrow=c(1,1))

4.3 VARIABLE TIEMPO

tiempo_sqrt <- sqrt(telco$Tiempo)
tiempo_exp <- exp(telco$Tiempo)
tiempo_ln <- log(telco$Tiempo)
tiempo_log2 <- log(telco$Tiempo, base=2)
tiempo_log5 <- log(telco$Tiempo, base=5)

GRAFICAMENTE

par(mfrow=c(3,2))
hist(telco$Tiempo)
hist(tiempo_sqrt)
hist(tiempo_exp)
hist(tiempo_ln)
hist(tiempo_log2)
hist(tiempo_log5)

par(mfrow=c(1,1))

GRAFICA DE DENSIDAD

par(mfrow=c(3,2))
plot(density(telco$Tiempo), main = "Distribucion de Tiempo originales")
plot(density(tiempo_sqrt), main = "Distribucion de Tiempo transformadas - sqrt")
plot(density(tiempo_exp), main = "Distribucion de Tiempo transformadas - exp")
plot(density(tiempo_ln), main = "Distribucion de Tiempo transformadas - ln")
plot(density(tiempo_log2), main = "Distribucion de Tiempo transformadas - log2")
plot(density(tiempo_log5), main = "Distribucion de Tiempo transformadas - log5")

par(mfrow=c(1,1))

4.4 VARIABLE RECLAMOS

reclamos_sqrt <- sqrt(telco$Reclamos)
reclamos_exp <- exp(telco$Reclamos)
reclamos_ln <- log(telco$Reclamos)
reclamos_log2 <- log(telco$Reclamos, base=2)
reclamos_log5 <- log(telco$Reclamos, base=5)

GRAFICAMENTE

par(mfrow=c(3,2))
hist(telco$Reclamos)
hist(reclamos_sqrt)
hist(reclamos_exp)
hist(reclamos_ln)
hist(reclamos_log2)
hist(reclamos_log5)

par(mfrow=c(1,1))

GRAFICA DE DENSIDAD

par(mfrow=c(3,2))
plot(density(telco$Reclamos), main = "Distribucion de Reclamos originales")
plot(density(reclamos_sqrt), main = "Distribucion de Reclamos transformadas - sqrt")
plot(density(reclamos_exp), main = "Distribucion de Reclamos transformadas - exp")
plot(density(reclamos_ln), main = "Distribucion de Reclamos transformadas - ln")
plot(density(reclamos_log2), main = "Distribucion de Reclamos transformadas - log2")
plot(density(reclamos_log5), main = "Distribucion de Reclamos transformadas - log5")

par(mfrow=c(1,1))

4.5 VARIABLE LLAMADAS

llamadas_sqrt <- sqrt(telco$Llamadas)
llamadas_exp <- exp(telco$Llamadas)
llamadas_ln <- log(telco$Llamadas)
llamadas_log2 <- log(telco$Llamadas, base=2)
llamadas_log5 <- log(telco$Llamadas, base=5)

GRAFICAMENTE

par(mfrow=c(3,2))
hist(telco$Llamadas)
hist(llamadas_sqrt)
hist(llamadas_exp)
hist(llamadas_ln)
hist(llamadas_log2)
hist(llamadas_log5)

par(mfrow=c(1,1))

GRAFICA DE DENSIDAD

par(mfrow=c(3,2))
plot(density(telco$Llamadas), main = "Distribucion de Llamadas originales")
plot(density(llamadas_sqrt), main = "Distribucion de Llamadas transformadas - sqrt")
plot(density(llamadas_exp), main = "Distribucion de Llamadas transformadas - exp")
plot(density(llamadas_ln), main = "Distribucion de Llamadas transformadas - ln")
plot(density(llamadas_log2), main = "Distribucion de Llamadas transformadas - log2")
plot(density(llamadas_log5), main = "Distribucion de Llamadas transformadas - log5")

par(mfrow=c(1,1))