Diferencias entre la Correlación de Spearman y Pearson para el Análisis de Datos con Python
Codigo Maquina
0:00 / 0:00
Diferencias entre la Correlación de Spearman y Pearson para el Análisis de Datos con Python
13 504 просмотра · 3 года назад
Codigo Maquina
48,8 тыс. подписчиков
13 504 просмотра · 3 года назад
La correlación de Spearman es una medida estadística que mide la fuerza y dirección de la asociación monotónica de dos variables. En este video se explica visualmente qué es la correlación de Spearman, para qué sirve y cómo calcularla. Además, se incluye una comparación con la correlación de Pearson.
👉 Xiperia ofrece consultoría empresarial que transforma datos en conocimiento accionable para alcanzar los objetivos de tu negocio. Conoce más en https://www.xiperia.com
ℹ️ Octavio Gutiérrez es el único responsable del contenido, afirmaciones y opiniones expresadas en este video, las cuales no están vinculadas a las organizaciones a las que está asociado.
🌐 Para conocer más sobre Octavio Gutiérrez, visita su perfil en LinkedIn / octaviogutierrez
Para citar este recurso educativo utiliza la siguiente referencia:
Gutiérrez-García, J.O. [Código Máquina]. (2022, 24 de Octubre). Diferencias entre la Correlación de Spearman y Pearson para el Análisis de Datos con Python [Video]. YouTube. [Incluye aquí la URL del video]
********************************************
Para guiar tu aprendizaje, en este vínculo ( • Curso de Inteligencia Artificial (IA) y Ma... ) se encuentra una guía secuencial para aprender:
1. Programación Básica con Python;
2. Manejo de Datos;
3. Visualización de Datos;
4. Análisis de Datos; y
5. Aprendizaje de Máquina y Ciencia de Datos.
********************************************
Índice del Video:
0:00 Correlación de Spearman
1:40 Relación monotónica positiva
4:38 Relación monotónica negativa
6:05 Relación monotónica inexistente
7:18 Spearman (monotónico) vs Pearson (lineal)
12:52 Fórmula matemática
13:43 Ejemplo con datos de fútbol
17:35 Spearman con Scipy de Python
⭐ Apoya a Código Máquina dando un Like, Comentando, Compartiendo o con un Super Gracias.
📊 Los datos no mienten: La caída del cabello se frena con mantenimiento predictivo, no correctivo.
El nuevo shampoo sólido anticaída de la co-fundadora de Código Máquina es el upgrade de alto rendimiento que tu hardware biológico necesita. 🧪💻🧬
👉 Consigue el tuyo y estabiliza el sistema: https://bit.ly/Sinhaki
El código del video está disponible en GitHub https://github.com/CodigoMaquina/code
#Estadística #CienciaDeDatos #Python #DataScience #Scipy