Pregunta a ChatGPT Análisis Estadístico Completo

Buen día. La nueva funcionalidad de todos los ChatBots como tú, es la funcionalidad del “Modo Agente”. Te agradezco escribas unos prompts para el “Modo Agente”, para que realice un análisis estadístico completo a partir de adjuntarle un dataset en particular: 1) Un prompt sugerido para realizar el análisis estadístico completo de un dataset. Que después de la evaluación de toda la información del dataset, decida que tipos de análisis estadísticos realizar, desde los supuestos, si los hay, hasta las pruebas Post-Hoc, si se requieren

prompts formales, precisos y optimizados para “Modo Agente”

A continuación se presentan prompts formales, precisos y optimizados para “Modo Agente”, diseñados para que el modelo realice un análisis estadístico completo y autónomo a partir de un dataset adjunto.

Los prompts están estructurados para ser copiados y usados directamente, pensados para las asignaturas de Estadística Aplicada con Python y R y para estudiantes de ingeniería.

Prompt 1. Análisis Estadístico Completo Automático (Modo Agente)

Objetivo:

Que el agente lea el dataset adjunto, identifique su estructura, determine los análisis estadísticos adecuados, verifique supuestos, seleccione modelos apropiados y ejecute pruebas post-hoc cuando corresponda.

Prompt sugerido (para usar directamente en Modo Agente)

TÍTULO: Análisis estadístico completo del dataset adjunto

PROMPT: Realiza un análisis estadístico integral, autónomo y basado en criterios estadísticos, utilizando el dataset que adjunto. Debes actuar en Modo Agente siguiendo esta secuencia de trabajo:

  1. Lectura y diagnóstico inicial del dataset

    • Detecta el tipo de archivo (CSV, XLSX, TXT, etc.).
    • Carga los datos.
    • Identifica número de variables, tipo de variable (numérica, categórica, ordinal), número de observaciones y estructura general.
    • Detecta valores faltantes, duplicados, valores atípicos y ofrece un plan para tratarlos.
    • Genera estadísticas descriptivas adecuadas para cada tipo de variable.

  2. Evaluación automática de posibles análisis estadísticos Con base en la estructura del dataset, selecciona de manera autónoma los análisis más adecuados:

    • ANOVA (una vía, dos vías, factorial), si existen variables categóricas y una respuesta numérica.
    • Regresión lineal simple o múltiple, si existen variables predictoras numéricas o mixtas.
    • ANCOVA si hay factores + covariables.
    • Correlaciones (Pearson, Spearman) si corresponde.
    • Pruebas no paramétricas si los supuestos no se cumplen.
    • PCA o análisis multivariado exploratorio si hay muchas variables numéricas.

  3. Verificación de supuestos Para cada análisis seleccionado, verifica:

    • Normalidad (Shapiro-Wilk, QQ-plot).
    • Homogeneidad de varianzas (Levene o Bartlett).
    • Linealidad y homocedasticidad (en regresión).
    • Independencia de errores.
    • Multicolinealidad (VIF) en modelos múltiples.

  4. Selección del análisis correcto con base en los supuestos

    • Si los supuestos se cumplen, aplica pruebas paramétricas.
    • Si no se cumplen, aplica alternativas no paramétricas (Kruskal-Wallis, Wilcoxon, Friedman, etc.).

  5. Ejecución del análisis estadístico completo

    • Ajusta modelos con explicación estructurada.
    • Reporta tablas ANOVA o modelos lineales.
    • Incluye intervalos de confianza.
    • Presenta gráficos relevantes (boxplots, residual plots, scatterplots, densidades, efectos principales, etc.).

  6. Pruebas post-hoc (si procede)

    • Si un ANOVA es significativo, realiza Tukey HSD o equivalentes no paramétricos.
    • Presenta comparaciones pareadas con ajuste de p-values.

  7. Conclusiones interpretadas en lenguaje académico

    • Presenta conclusiones claras y neutrales.
    • Indica implicaciones prácticas del análisis.
    • Resume qué modelos resultan válidos y por qué.

  8. Exportación (si el entorno lo permite)

    • Ofrece opciones para exportar gráficos y tablas.

Debes realizar todo el proceso de forma autónoma y justificar cada decisión estadística con base en los resultados obtenidos.

Prompt 2. Versión breve para estudiantes

PROMPT: Analiza completamente el dataset adjunto de forma autónoma.

  1. Describe el dataset.
  2. Selecciona los análisis estadísticos adecuados según los tipos de variables.
  3. Verifica supuestos.
  4. Aplica ANOVA, regresión o pruebas no paramétricas según corresponda.
  5. Realiza post-hoc si son necesarios.
  6. Presenta conclusiones claras y académicas.

Prompt 3. Versión técnica para Python

PROMPT: Carga el dataset adjunto y realiza un análisis estadístico completo usando Python (pandas, numpy, scipy, statsmodels, pingouin, seaborn, matplotlib). Incluye:

  • Diagnóstico del dataset.
  • Supuestos estadísticos.
  • Selección automática de análisis (ANOVA, regresión, ANCOVA, no paramétricos).
  • Post-hoc.
  • Gráficos.
  • Conclusiones académicas.

Prompt 4. Versión técnica para R

PROMPT: Carga el dataset adjunto y realiza un análisis completo usando R (tidyverse, car, performance, broom, ggplot2, rstatix). Incluye diagnóstico, supuestos, selección automática del método (ANOVA, regresión, ANCOVA, no paramétricos), post-hoc y conclusiones.

Prompt 5. Modo Agente con toma de decisiones jerárquica

PROMPT: Actúa como un agente estadístico experto.

  1. Identifica qué problema estadístico puede resolverse con el dataset.
  2. Genera un árbol de decisiones para seleccionar el análisis más adecuado.
  3. Ejecuta el análisis óptimo según la estructura de los datos.
  4. Verifica supuestos.
  5. Ejecuta el modelo final.
  6. Interpreta resultados.
  7. Sugiere análisis adicionales opcionales.

Pregunta: Prompts Multivariados

Te agradezco algunos prompt para realizar análisis multivariado

Respuesta: Prompts Multivariados**

A continuación se presentan prompts formales, precisos y optimizados para “Modo Agente”, específicamente diseñados para ejecutar análisis multivariado completos, autónomos y basados en criterios estadísticos. Están adaptados para tus cursos de Estadística Aplicada con Python y R.

1. Prompt general en Modo Agente – Análisis Multivariado Integral

PROMPT: Realiza un análisis multivariado completo y autónomo del dataset adjunto. Debes actuar como un agente estadístico experto y seguir esta secuencia:

  1. Diagnóstico inicial

    • Identifica variables numéricas, categóricas y ordinales.
    • Evalúa correlaciones y patrones entre variables.
    • Detecta valores atípicos multivariados (Mahalanobis).

  2. Determinación automática de técnicas multivariadas apropiadas, según el tipo de datos:

    • PCA (análisis de componentes principales) si hay múltiples variables numéricas.
    • ACP escalado (PCA con scale = TRUE) si las unidades son heterogéneas.
    • MDS (multidimensional scaling) si hay matrices de distancia.
    • Análisis de clusters (k-means, jerárquico, silhouette).
    • MANOVA si existen factores categóricos y múltiples respuestas numéricas.
    • Análisis discriminante (LDA/QDA) si hay variables explicativas y grupos conocidos.
    • CCA (análisis de correlación canónica) si hay dos conjuntos de variables.
    • Análisis factorial exploratorio (EFA) si procede.

  3. Verificación de supuestos multivariados

    • Normalidad multivariada (Mardia).
    • Homogeneidad de matrices de covarianza (Box’s M para MANOVA).
    • Adecuación del PCA (KMO, Bartlett).

  4. Ejecución del análisis seleccionado

    • PCA: eigenvalues, scree plot, cargas factoriales, biplots.
    • MANOVA: Wilks, Pillai, Hotelling, Roy; análisis univariados posteriores.
    • Clustering: dendrogramas, scatterplots, análisis de silhouette.
    • LDA/QDA: fronteras de decisión, accuracy, matriz de confusión.
    • EFA: extracción, rotación varimax/oblimin.

  5. Interpretación formal de los resultados, incluyendo conclusiones académicas.

  6. Sugerencias de análisis multivariado adicionales.

2. Prompt para MANOVA automático

PROMPT: Con el dataset adjunto, identifica automáticamente:

  1. las variables dependientes numéricas (múltiples respuestas),
  2. los factores categóricos, y ejecuta un MANOVA completo, incluyendo:
  • Ajuste del modelo.
  • Pruebas de Wilks, Pillai, Hotelling y Roy.
  • Verificación de supuestos (normalidad multivariada, Box’s M).
  • Análisis univariados posteriores (ANOVA por variable).
  • Gráficos de efectos multivariados.
  • Conclusiones académicas.

Si los supuestos no se cumplen, selecciona y aplica análisis no paramétricos equivalentes.

3. Prompt para PCA / ACP automático

PROMPT: Realiza un Análisis de Componentes Principales (PCA) del dataset adjunto:

  1. Selecciona solo variables numéricas.
  2. Determina automáticamente si se requiere escalamiento.
  3. Calcula eigenvalues, varianza explicada y cargas factoriales.
  4. Genera scree plot, biplot, gráficos de contribución de variables e individuos.
  5. Interpreta los componentes principales.
  6. Sugiere cuántos componentes retener y por qué.
  7. Concluye con implicaciones prácticas del PCA en el contexto de los datos.

4. Prompt para Análisis de Clusters (k-means + jerárquico)

PROMPT: Con el dataset adjunto, realiza un análisis de conglomerados completo:

  1. Selecciona variables numéricas.

  2. Estandariza los datos.

  3. Aplica k-means con selección óptima de k usando:

    • método del codo,
    • silhouette,
    • gap statistic.

  4. Ejecuta clustering jerárquico con varios métodos (ward, complete, average).

  5. Produce dendrogramas y gráficos 2D/3D del agrupamiento.

  6. Interpreta los clusters, sus centroides y sus perfiles.

  7. Concluye qué método produce la mejor clasificación.

5. Prompt para Análisis Discriminante (LDA/QDA)

PROMPT: Con base en el dataset adjunto:

  1. Identifica automáticamente la variable objetivo (grupo) si existe.

  2. Selecciona variables predictoras numéricas.

  3. Realiza:

    • LDA (Linear Discriminant Analysis)
    • QDA si los supuestos de LDA no se cumplen.

  4. Verifica supuestos:

    • Normalidad multivariada,
    • Homogeneidad de covarianzas.

  5. Produce:

    • fronteras de decisión,
    • scatterplots discriminantes,
    • matriz de confusión,
    • accuracy, precision, recall.

  6. Presenta conclusiones académicas.

6. Prompt para Análisis de Correlación Canónica (CCA)

PROMPT: Divide automáticamente las variables del dataset adjunto en dos conjuntos coherentes (X y Y) según su tipo y propósito. Ejecuta un Análisis de Correlación Canónica (CCA):

  • Obtén correlaciones canónicas.
  • Evalúa significancia.
  • Extrae coeficientes y cargas.
  • Grafica pares canónicos.
  • Interpreta la relación entre los conjuntos de variables.

7. Prompt para Análisis Factorial Exploratorio (EFA)

PROMPT: Con el dataset adjunto, ejecuta un análisis factorial exploratorio (EFA):

  1. Evalúa adecuación (KMO y Bartlett).
  2. Determina número óptimo de factores (parallel analysis).
  3. Extrae factores usando máxima verosimilitud o componentes principales.
  4. Aplica rotación apropiada (varimax u oblimin).
  5. Presenta matriz de cargas, comunalidades y varianza explicada.
  6. Interpreta los factores.

8. Prompt para MDS (Escalamiento Multidimensional)

PROMPT: Realiza un MDS sobre el dataset adjunto:

  1. Selecciona una matriz de distancia apropiada.
  2. Ejecuta MDS métrico y no métrico.
  3. Evalúa stress y calidad del ajuste.
  4. Produce gráficos de configuración espacial en 2D y 3D.
  5. Interpreta patrones o agrupamientos detectados.

Prompts para Entrevistas Semiestructuradas

Ahora por favor podrías escribir algunos prompt sugeridos para el modo agente para analizar completamente desde cero, entrevistas semiestructuradas

Respuesta: Prompts para Entrevistas Semiestructuradas

A continuación encontrarás prompts especializados para “Modo Agente” diseñados para que un chatbot actúe como analista cualitativo experto y ejecute un análisis completo, riguroso y autónomo de entrevistas semiestructuradas, desde cero, tal como se hace en MAXQDA, ATLAS.ti o NVivo, pero asistido con IA.

Están redactados en un estilo formal, metodológico y neutral, adecuados para tus cursos y tus proyectos de investigación con entrevistas (como PDET, gobernanza, violencia, capacidades, etc.).

1. Prompt Maestro para Análisis Completo de Entrevistas (Modo Agente)

PROMPT: Actúa como un analista cualitativo experto y realiza un análisis integral y autónomo de las entrevistas semiestructuradas que adjunto. Tu tarea debe seguir las mejores prácticas del análisis cualitativo basado en teoría fundamentada, codificación temática y análisis comparativo constante.

Sigue esta secuencia metodológica:

  1. Lectura exploratoria y caracterización inicial

    • Identifica temas dominantes, tono general y estructura de la conversación.
    • Detecta categorías preliminares emergentes.
    • Resume cada entrevista en 5–7 líneas.

  2. Codificación abierta (primer ciclo)

    • Fracciona el texto en unidades de significado.
    • Asigna códigos data-driven sin forzar categorías previas.
    • Agrupa códigos similares e identifica patrones semánticos.
    • Produce una tabla con: código, cita textual, fragmento y breve interpretación.

  3. Codificación axial (segundo ciclo)

    • Integra códigos abiertos en categorías, subcategorías y propiedades.
    • Identifica relaciones: causa-efecto, condiciones, acciones, consecuencias.
    • Construye un mapa axial del fenómeno.

  4. Codificación selectiva (tercer ciclo)

    • Identifica categorías centrales.
    • Construye un “núcleo interpretativo” que explique la entrevista completa.
    • Determina contradicciones, tensiones, vacíos y convergencias.

  5. Análisis temático transversal (si hay varias entrevistas)

    • Realiza comparación entre entrevistas.
    • Identifica temas compartidos y divergentes.
    • Genera una matriz cruzada (entrevista × temas).

  6. Análisis emocional, narrativo y discursivo

    • Identifica emociones dominantes.
    • Identifica narrativas: resistencia, agencia, queja, legitimidad, victimización, etc.
    • Analiza estrategias discursivas: énfasis, silencios, repeticiones, metáforas.

  7. Síntesis interpretativa final

    • Emite conclusiones académicas sólidas basadas estrictamente en los datos.
    • Explica implicaciones prácticas, riesgos y oportunidades.
    • Mantén enfoque neutral y éticamente responsable.

  8. Exportación estructurada

    • Ofrece exportación en tablas, matrices, o archivos .csv/.xlsx para modelos mixtos.

Realiza todo el análisis de forma autónoma, justificando cada decisión con criterios cualitativos.

2. Prompt para Codificación Automática en Categorías, Subcategorías y Códigos

PROMPT: A partir de las entrevistas semiestructuradas adjuntas, realiza una codificación cualitativa completa que incluya:

  • Códigos (primer nivel)
  • Subcategorías (nivel intermedio)
  • Categorías (nivel superior)
  • Definición conceptual de cada categoría
  • Citas textuales que respalden cada nivel
  • Una tabla resumen completa (categoría → subcategoría → código → cita → interpretación)

Usa una lógica inductiva basada en los datos y presenta el sistema de categorías de forma clara y exhaustiva.

3. Prompt para Análisis Comparativo entre Actores

PROMPT: Analiza las entrevistas adjuntas comparando sistemáticamente las respuestas entre los diferentes tipos de actores. Realiza:

  1. Matriz comparativa actor × categoría
  2. Similitudes y diferencias discursivas
  3. Conflictos, tensiones o contradicciones
  4. Patrones de consenso
  5. Categorías emergentes específicas de cada actor
  6. Conclusiones comparativas claras

Actúa como un agente experto en análisis cualitativo comparado.

4. Prompt para obtener un Sistema de Categorías tipo MAXQDA

PROMPT: Construye un árbol de categorías cualitativas estilo MAXQDA a partir de las entrevistas adjuntas. Incluye:

  • Categorías principales
  • Subcategorías
  • Códigos
  • Definiciones operacionales
  • Criterios de inclusión y exclusión
  • Ejemplos de citas para cada código
  • Mapa jerárquico completo

Debe quedar estructurado como un sistema de codificación profesional.

5. Prompt para Mapas Conceptuales y Redes Semánticas

PROMPT: A partir de las entrevistas adjuntas, genera un mapa conceptual y una red semántica que muestre:

  1. Nodos principales (categorías)
  2. Relaciones (causales, temporales, semánticas, jerárquicas)
  3. Subnodos y vínculos
  4. Temas centrales
  5. Narrativas dominantes

Presenta la estructura en formato textual y ofrece la posibilidad de exportarla a JSON, GraphML o CSV.

6. Prompt para Análisis de Sentimiento en Entrevistas Cualitativas

PROMPT: Analiza las entrevistas adjuntas realizando:

  • Detección de emociones dominantes (alegría, frustración, miedo, incertidumbre, esperanza, etc.)
  • Intensidad emocional por fragmentos
  • Momentos críticos de alta carga emocional
  • Palabras o códigos que activan emociones específicas
  • Un mapa emocional general de cada entrevista

Incluye una tabla de: fragmento → emoción → intensidad → interpretación.

7. Prompt para Matriz de Hallazgos para Informe Final

PROMPT: Genera una matriz de hallazgos cualitativos a partir de las entrevistas semiestructuradas adjuntas, con las siguientes columnas:

  • Categoría
  • Subcategoría
  • Código
  • Evidencia (cita textual)
  • Hallazgo
  • Implicación práctica
  • Recomendación

Produce un documento organizado y listo para ser incorporado en informes académicos.

8. Prompt para Integrar Análisis Cualitativo y Cuantitativo (Mixto)

PROMPT: Usa las entrevistas adjuntas para construir un análisis mixto:

  1. Codificación cualitativa completa.
  2. Transformación de códigos en variables cuantificables.
  3. Matriz “entrevista × código” en formato numérico.
  4. Análisis estadístico simple (frecuencias, correlaciones entre códigos).
  5. Interpretación integrada cualitativa–cuantitativa.

Presenta todo el proceso de forma estructurada.

9. Prompt para Resumen Ejecutivo Académico

PROMPT: A partir de las entrevistas adjuntas, produce un resumen ejecutivo académico que incluya:

  • Problema central
  • Principales categorías emergentes
  • Narrativas clave
  • Tensiones o conflictos
  • Hallazgos críticos
  • Implicaciones para políticas públicas, gobernanza o gestión
  • Recomendaciones basadas en evidencia cualitativa