Visualizando: Estadísticas de navegadores (III)

En esta última parte comparo las dos versiones de gráficos y comento las ventajas e inconvenientes de la representación:

 

Visualizando: Estadísticas de navegadores (II)

En el anterior artículo de la serie comentaba los pasos para la obtención de los datos, la unificación de las fuentes, y finalmente el cálculo de los parámetros del gráfico.  Para dar el siguiente paso hay que modificar el código del ejemplo.  En concreto, hay que modificar sólo dos archivos:

• browser_stats.xml, es el archivo que contiene los datos.
• BrowserMarketShare.mxml, que es el que contiene el código ActionScript de Flash y MXML de Flex para modificar los datos.

Visualizando: Estadísticas de navegadores (I)

Llevaba tiempo buscando un rato para acabar un pequeño experimento sobre la visualización de la información, la biblioteca Axiis y unos cuantos cálculos matemáticos.  Por fin ha llegado el momento.

Visualización de datos: Una aproximación ingénua

Hasta ahora había comentado la representación visual estrictamente relacionada con gráficos estadísticos estándares, como en el caso de Open Flash Chart 2. Sin embargo los gráficos estadísticos no siempre son aplicables, y es necesario buscar alternativas.

El área de la visualización de datos es una encrucijada de caminos: por un lado está la vertiente técnica (no sólo tecnológica), en la que se generan los datos, y de la que se obtienen las reglas que les afectan.  Por el otro están todas las cuestiones relacionadas con la usabilidad y la interacción, algo especialmente importante si hablamos del entorno digital.  Finalmente está el factor gráfico, que busca representar una realidad en base a formas, perspectivas, tonalidades, texturas y demás desde un punto de vista de conjunto.

Sobre las Elecciones Europeas y la decisión de voto

Domingo se celebran las elecciones Europeas.  Lo cierto es que las encuestas vaticinan un alto nivel de abstención.  Bueno o malo, el sistema electoral  está estructurado, y las decisiones que tomamos al respecto tienen una consecuencia.

Mi comentario aquí se limita a aclarar el cómo se traduce  cada tipo de voto al resultado final. Para aclarar esto es necesario concretar el significado de los tipos de votos, y analizar ventajas, inconvenientes y beneficios para los partidos políticos. El color político queda totalmente al margen del artículo.

Modelos lineales (regresión lineal) - 2

Con esta segunda parte comento los pasos del proceso de cálculo de los errores cuadráticos y la determinación del mejor modelo.

Cabe decir que lo que explico aquí no debe tomarse al pie de la letra, ya que evito entrar en detalles casi imprescindibles (como el cálculo matricial y el contraste de hipótesis) para dominar este proceso.

La decisión viene tomada porque hay ingente cantidad de documentación disponible sobre los detalles de este proceso, y pocos que se centren en cuestiones más pedagógicas.

Modelos lineales (regresión lineal)

Los modelos lineales son una herramienta muy utilizada para el análisis de datos que presentan una relación causa-efecto.  El punto de partida en un modelo lineal son conjunto de datos que se presentan simultáneamente, y que a priori pueden explicar el comportamiento de la variable que queremos analizar (la que se denomina la variable respuesta o dependiente) a partir del resto.

El proceso de análisis de los modelos lineales es relativamente sencillo en cuanto que sistemático, siempre que se tengan las nociones básicas sobre producto matricial, o bien se disponga de una aplicación informática que haga la tarea por nosotros.

De todos modos, esta técnica de tanto uso oculta una serie de cuestiones de sentido común que ayudarían a entender su razón de ser.  Los concepto com error cuadrático medio o el error total son conceptos esenciales que sin embargo permanecen ocultos al entendimiento general.

Open Flash Chart 2 - Mejorando los gráficos estadísticos

Tenía pendiente escribir una actualización para comentar los cambios en la versión 2 de Open Flash Chart  (OFC2).  En esencia la biblioteca funciona de forma casi idéntica a la versión 1, salvo algunas correcciones de errores y mejoras concretas, pero hay también hay un cambio importante.

El verdadero salto cualitativo está en la introducción del formato JSON . El proceso de configuración se hace más transparente, tanto para revisar la estructura en búsqueda de potenciales errores, como también por la libertad que da este formato al enviar los datos.  Vayamos por partes.

Variables aleatorias, la semilla estadística

Las variables aleatorias son la base de la estadística probabilística actual.  Son el paradigma sobre el que se asienta toda la estadística matemática.

Es por esto que la variable aleatoria es el concepto que cualquiera que quiera tratar con datos estadísticos debe entender a fondo, si no quiere echar mano a las mismas /herramientas/ ante cualquier situación.

A menudo, cuando surge el tema de la estadística como asignatura universitaria, surge la idea de la dificultad de esta asignatura en las carreras universitarias. La razón principal por la que creo que esto sucede tiene que ver con el concepto de las variables aleatorias.  Es decir, que no se explica adecuadamente.

En muchas carreras se trabaja sobre un punto de partida: el control. A  partir de ahí, hay que explicar la forma como ese control se puede perder.  En ese contexto, la estadística pierde parte de su sentido. Enseñar un contraste de hipótesis sobre el paradigma del control es como narrar una película sólo con letras vocales.

La estadística (al menos la probabilística) parte de otra premisa: supongamos que todo tiene su componente aleatorio; que todo se mueve.  A partir de este supuesto, analicemos la forma como se presenta esta aleatoriedad para establecer unas bases para un control que tiene tolerancia a los errores.

¿Parece lo mismo? No se parece en nada.

Muestreo estadístico

Quizá este artículo podría resumirse diciendo que el muestreo estadístico es algo similar a una fotografía, pero dirigido a los datos, no a las imágenes.

Bueno, ya está. Ha quedado claro ¿no? Si es así, déjame pensar: no te dedicas a la fotografía, ¿verdad? Un conocedor de este arte podría argumentar: "en fotografía hay muchos estilos, técnicas y herramientas".  En el muestreo también, sólo que un buen resultado no luce tanto .

El muestreo estadístico es la toma de contacto con la realidad antes de llevar la muestra al laboratorio.  Desde el punto de vista teórico de las matemáticas puras, es un mal necesario.  Pero desde el punto de vista del trabajo de campo y del análisis empírico, escoger el tipo de muestreo estadístico es todo un arte.

Y desde luego, es un arte que va mucho más allá que el muestreo aleatorio simple.