1. Objetivos

Estudiar desde el punto de vista de la estadística descriptiva multivariante (cálculos, visualizaciones e interpretaciones) a un conjunto de datos que registra diagnósticos de enfermedades cardiovasculares en países de Latinoamérica para comprender mejor la prevalencia y distribución de estas.

2. Descripcion de los datos

2.1. Fuente del conjunto de datos

El conjunto de datos de trabajo se obtuvo casi totalmente Kaggle: https://www.kaggle.com/ .Es conveniente anotar que Kaggle es una compañía subsidiaria de Google LLC que mantiene una comunidad online de científicos de datos y profesionales del aprendizaje automático. Esta empresa permite a sus usuarios a encontrar y publicar conjuntos de datos, explorar y crear modelos en un entorno de ciencia de datos basado en la web, trabajar con otros científicos de datos e ingenieros de aprendizaje automático y participar en concursos para resolver desafíos de ciencia de datos

2.2. Contexto del conjunto de datos

El conjunto de datos registra los niveles de obesidad en personas de México, Perú y Colombia, con edades entre 14 y 61 años y diversos hábitos alimentarios y condición física, los datos fueron recolectados mediante encuestas anónimas vía web.

2.3. Descripcion del conjunto de datos

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