Scribd
Cargar
367 vistas6 páginas

2.2.2.5 Lab - Basic Data Analytics - Resuelto

Cargado por

Guillermo Enrique Rubio Castaneda
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
367 vistas6 páginas

2.2.2.5 Lab - Basic Data Analytics - Resuelto

Cargado por

Guillermo Enrique Rubio Castaneda
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 6

Práctica de laboratorio: análisis de datos básicos

Objetivos
Use métodos muy simples para describir los datos existentes, completar los valores de datos faltantes y
hacer predicciones sencillas.
Parte 1: Aprenda cómo utilizar datos como información
Parte 2: Realice un diagrama de los datos y prediga los valores

Información básica/situación
Los datos carecen de sentido por sí mismos. La información es significativa y útil. Los datos se convierten en
información sólo cuando se usan en contexto para responder preguntas específicas. En esta práctica de
laboratorio, utilizará gráficos de datos existentes para crear valores faltantes y para predecir los valores
basados en las tendencias.

Recursos necesarios
• Computadora o dispositivo móvil con acceso a Internet
• Navegador capaz de reproducir un video de Internet.
• Capacidad de audio de escuchar la narración de video.

Parte 1: Aprenda cómo utilizar datos como información


El análisis de datos puede producirse de diferentes maneras. La meta final es descubrir algo en los datos
que dé perspectiva sobre qué ocurrió o predecir lo que puede ocurrir en el futuro. Las estadísticas
descriptivas resumen qué ocurrió y proporcionan los datos de forma numérica o gráfica. El análisis predictivo
responde la pregunta de qué puede suceder en el futuro basado en los datos anteriores.

Paso 1: Describa los datos.


a. Revise el gráfico de los datos que se muestra en la planilla de trabajo 1.
b. Durante el período de 110 años para el conjunto de datos, ¿cuál es el intervalo (límites inferior y superior)
de las edades medianas para los hombres y las mujeres en el primer matrimonio? Edad mediana de los
hombres: ___22,8___ a ___26,8___
Edad mediana de las mujeres: __20,3__ a ___25,1___
c. El intervalo es un tipo de estadística descriptiva que resume los datos. Se presentó anteriormente en un
formato numérico. Pero si es necesario observar la tendencia de los datos, puede ser mejor representar
o diagramar los datos gráficamente.

Paso 2: Diagrame los datos.


a. Diagrame los datos sobre el gráfico que se encuentra en la planilla de trabajo 1 al final de esta práctica
de laboratorio. Utilice colores diferentes para los datos de hombres y mujeres. No conecte los puntos
de datos hasta que se le indique en el video en el Paso 3.

Paso 3: Realice una predicción de datos simple.


a. Khan Academy es una fuente excelente para las lecciones en una amplia variedad de temas, incluidos
estadísticas y conceptos estadísticos. Verá un breve video y seguirá junto con el narrador cómo usar la
tabla de datos y el gráfico proporcionados al final de esta práctica de laboratorio. Navegue hasta

© 2017 Cisco y/o sus afiliados. Todos los derechos reservados. Este documento es información pública de Cisco. Página 1 de 6
https://youtu.be/aVDiAGZmcPo y siga el video Predicciones con modelos lineales proporcionado por
Práctica de laboratorio: explore las fuentes de Open Data

Khan Academy. Pause el video y complete las actividades junto con el instructor del video. Utilice el
diagrama que creó.
Vea el video completo. Trabajará únicamente con el primer conjunto de datos que el instructor analizará en
esta práctica de laboratorio. En el video, el instructor demuestra cómo utilizar puntos de datos como
información para crear nuevos puntos de datos estimados.

¿Qué es un modelo lineal?


Un modelo lineal es usar básicamente una línea para describir algunas tendencias en los datos,
para ello en el modelado asume una relación lineal entres las variables independientes y
dependientes, con esto puede predecir o explicar los valores de una variable en función de
variables predictoras
El instructor del video enseña los procesos de interpolación y extrapolación como herramientas para calcular
o predecir datos en un modelo lineal. Defina cada término.

interpolación
Es el proceso de estimar valores dentro del rango de datos conocidos o existente, se usa para
llenar vacíos o predecir valores intermedios basados en puntos de datos cercanos
extrapolación
Consiste en estimar valores fuera dl rango de datos conocidos o existente, se usa para predecir
valores más allá de los puntos de datos conocidos.
¿Cuáles son las dos observaciones interesantes que el instructor del video hace respecto de
las tendencias en la edad mediana del matrimonio y la edad de los hombres y las mujeres que
se casan?
el instructor menciona dos puntos. Primero, la edad mediana del matrimonio ha aumentado a lo
largo de los años, lo que indica un retraso en el momento en que las personas deciden
casarse. Segundo, las mujeres tienden a casarse a una edad ligeramente más joven que los
hombres, aunque esta brecha se ha reducido en comparación con años anteriores.
Parte 2: Realice un diagrama de los datos y prediga los valores
Otras tendencias sociales pueden aprovechar el modelo lineal simple que se ejemplificó en el video. En esta
sección del laboratorio, se interpolarán y extrapolarán valores de un nuevo conjunto de datos.
a. Diagrame los datos en la planilla de trabajo 2 al final de la práctica de laboratorio. Utilice colores
diferentes para las dos diferentes variables.
b. Observe que los datos fueron recopilados en diferentes intervalos. Antes de 2000, los datos eran
recopilados cada diez años, sin embargo, después de 2000, son recopilados cada 5 años. Interpole los
valores para los tres años faltantes. Diagrame sus valores.

Horas de la Horas del


Año faltante
mujer hombre

1970 27.75 5.2

© 2017 Cisco y/o sus afiliados. Todos los derechos reservados. Este documento es información pública de Cisco. Página 2 de 6
1980 22.15 8.1

1990 19.8 10.2

Práctica de laboratorio: explore las fuentes de Open Data

c. Extrapole los valores para el año 2020 mediante la creación de una línea que resuma mejor los valores
de los cinco períodos anteriores.
Hombres 10 Mujeres 17.4
d. Otro tipo de información que puede derivarse de estos datos se trata de la brecha entre la cantidad de
horas de quehacer doméstico para los hombres contra la cantidad de horas de quehacer doméstico para
las mujeres. Esto mostrará otra tendencia con respecto a la igualdad entre los hombres y las mujeres
durante este período. Complete la siguiente tabla; para ello, complete la cantidad de tiempo que las
mujeres realizan quehaceres domésticos y réstela de la cantidad de tiempo que los hombres realizan
quehaceres domésticos.
Quehaceres Quehaceres Horas de las
domésticos de domésticos de las mujeres -
Fecha los hombres en Horas de los
mujeres en
horas/semana horas/semana hombres

1965 4,4 31,9 27.5


1975 6 23,6 17.6
1985 10,2 20,7 10.5
1995 10,2 18,9 8.7
2000 10 18,6 8.6
2005 9,2 19,1 9.9
2010 10 17,4 7.4
2015 9,8 17,8 8
e. Dibuje los valores calculados en el gráfico proporcionado en la planilla de trabajo 3 al final de esta
práctica de laboratorio.
¿Cuál fue la tendencia para la igualdad entre los hombres y las mujeres en la realización del quehacer
doméstico?
A medida que los años van pasando, cada vez es mas las horas que los hombres utilizan para
quehaceres domésticos y cada vez menos para las mujeres, sin embargo, en los últimos 5 periodos para
los hombres parece encontrar un equilibrio mientras que las mujeres reduciendo las horas
Si los hombres y las mujeres fueran completamente equivalentes en la cantidad de quehacer doméstico
que hacen por semana, en 2020, ¿dónde se trazaría el siguiente punto de datos?
Creería que para el siguiente periodo (2025) los hombres estarían en 13.8, mientras que las mujeres en
12
En IdC, los datos masivos provienen de muchas fuentes. A veces faltan valores porque un sensor perdió
temporalmente conectividad o los puntos de datos se perdieron en la transmisión. La interpolación puede
funcionar como una estrategia para reemplazar datos faltantes. La extrapolación se utiliza para predecir los
valores de los eventos que aún no han ocurrido. Debido a que IdC genera tantos datos, pueden construirse
modelos analíticos predictivos que predigan de manera confiable el futuro, extrapolando así las tendencias
de datos históricos.

© 2017 Cisco y/o sus afiliados. Todos los derechos reservados. Este documento es información pública de Cisco. Página 3 de 6
Planilla de trabajo 1

© 2017 Cisco y/o sus afiliados. Todos los derechos reservados. Este documento es información pública de Cisco. Página 4 de 6
Práctica de laboratorio: explore las fuentes de Open Data

Planilla de trabajo 2

© 2017 Cisco y/o sus afiliados. Todos los derechos reservados. Este documento es información pública de Cisco. Página 5 de 6
Práctica de laboratorio: explore las fuentes de Open Data

Planilla de trabajo 3

© 2017 Cisco y/o sus afiliados. Todos los derechos reservados. Este documento es información pública de Cisco. Página 6 de 6

También podría gustarte