bivariate_analysis

Descripción General

Módulo de análisis bivariado para estudiar relaciones entre pares de variables. Incluye correlaciones, tablas de contingencia y tests estadísticos.

Clases Principales

BivariateAnalyzer

Métodos de Análisis

analyze_numeric_vs_numeric

Análisis de relación entre dos variables numéricas.

Parameters:

  • var1 (str): Primera variable numérica

  • var2 (str): Segunda variable numérica

Returns:

Diccionario con correlaciones y regresión lineal

Análisis incluidos:

  • Correlación de Pearson: Relación lineal

  • Correlación de Spearman: Relación monotónica

  • Correlación de Kendall: Relación ordinal

  • Regresión lineal: Pendiente, intercepto, R², p-valor

Ejemplo:

results = analyzer.analyze_numeric_vs_numeric('dti', 'puntaje_datacredito')

# Correlaciones
pearson_r = results['correlations']['pearson']['r']
pearson_p = results['correlations']['pearson']['p_value']

print(f"Correlación Pearson: r={pearson_r:.3f}, p={pearson_p:.6f}")

# Regresión
slope = results['linear_regression']['slope']
r_squared = results['linear_regression']['r_squared']

print(f"Pendiente: {slope:.4f}")
print(f"R²: {r_squared:.4f}")

analyze_categorical_vs_categorical

Análisis de relación entre dos variables categóricas.

Parameters:

  • var1 (str): Primera variable categórica

  • var2 (str): Segunda variable categórica

Returns:

Diccionario con tabla de contingencia y tests

Análisis incluidos:

  • Tabla de contingencia: Frecuencias cruzadas

  • Test Chi-cuadrado: Independencia estadística

  • V de Cramér: Fuerza de asociación (0-1)

Interpretación V de Cramér:

  • < 0.1: Asociación muy débil

  • 0.1-0.3: Asociación débil

  • 0.3-0.5: Asociación moderada

  • > 0.5: Asociación fuerte

Ejemplo:

results = analyzer.analyze_categorical_vs_categorical(
    'nivel_educacion',
    'nivel_riesgo'
)

# Test Chi-cuadrado
chi2 = results['chi2_test']['statistic']
p_value = results['chi2_test']['p_value']

print(f"Chi²: {chi2:.3f}, p-value: {p_value:.6f}")

if p_value < 0.05:
    print("✅ Existe asociación significativa")

# V de Cramér
cramers_v = results['cramers_v']
strength = results['association_strength']

print(f"V de Cramér: {cramers_v:.3f} ({strength})")

analyze_numeric_vs_categorical

Análisis de relación entre variable numérica y categórica.

Parameters:

  • numeric_var (str): Variable numérica

  • categorical_var (str): Variable categórica

Returns:

Diccionario con estadísticas por grupo y tests

Análisis incluidos:

  • Estadísticas por grupo: Media, mediana, desv. estándar por categoría

  • Test ANOVA: Diferencias entre medias (paramétrico)

  • Test Kruskal-Wallis: Diferencias entre grupos (no paramétrico)

Ejemplo:

results = analyzer.analyze_numeric_vs_categorical(
    'salario_mensual',
    'nivel_riesgo'
)

# Estadísticas por grupo
print(results['grouped_statistics'])

# Test ANOVA
f_stat = results['anova_test']['f_statistic']
p_value = results['anova_test']['p_value']

print(f"F-estadístico: {f_stat:.3f}")
print(f"P-valor: {p_value:.6f}")

if p_value < 0.05:
    print("✅ Diferencias significativas entre grupos")

Métodos de Visualización

create_correlation_matrix

Crea matriz de correlación interactiva.

Parameters:

  • method (str): Método de correlación (“pearson”, “spearman”, “kendall”)

Returns:

Figura de Plotly con heatmap

create_scatter_plot

Crea gráfico de dispersión con línea de regresión.

Parameters:

  • var1 (str): Variable para eje X

  • var2 (str): Variable para eje Y

  • color_var (str, optional): Variable para colorear puntos

Returns:

Figura de Plotly

create_contingency_heatmap

Crea heatmap de tabla de contingencia.

Parameters:

  • var1 (str): Primera variable categórica

  • var2 (str): Segunda variable categórica

Returns:

Figura de Plotly

create_grouped_boxplot

Crea boxplot agrupado por categoría.

Parameters:

  • numeric_var (str): Variable numérica

  • categorical_var (str): Variable categórica

Returns:

Figura de Plotly

Funciones de Renderizado

render_bivariate_analysis

Renderiza el módulo completo de análisis bivariado en Streamlit.

Funcionalidades:

  • Matriz de correlación interactiva

  • Análisis numérica vs numérica

  • Análisis categórica vs categórica

  • Análisis numérica vs categórica

  • Visualizaciones interactivas

render_bivariate_module

Función principal para renderizar el módulo bivariado.

Ejemplo Completo

from src.bivariate_analysis import BivariateAnalyzer
import pandas as pd

# Cargar datos
df = pd.read_csv("datos_credito_hipotecario_realista.csv")

# Crear analizador
analyzer = BivariateAnalyzer(df)

# 1. Matriz de correlación
fig_corr = analyzer.create_correlation_matrix(method='pearson')
fig_corr.show()

# 2. Analizar edad vs salario
results_num = analyzer.analyze_numeric_vs_numeric('edad', 'salario_mensual')
print(f"Correlación: {results_num['correlations']['pearson']['r']:.3f}")

# 3. Scatter plot
fig_scatter = analyzer.create_scatter_plot(
    'edad',
    'salario_mensual',
    color_var='nivel_riesgo'
)
fig_scatter.show()

# 4. Analizar educación vs riesgo
results_cat = analyzer.analyze_categorical_vs_categorical(
    'nivel_educacion',
    'nivel_riesgo'
)
print(f"V de Cramér: {results_cat['cramers_v']:.3f}")

# 5. Analizar salario por tipo de empleo
results_mixed = analyzer.analyze_numeric_vs_categorical(
    'salario_mensual',
    'tipo_empleo'
)
print(f"ANOVA p-value: {results_mixed['anova_test']['p_value']:.6f}")

Ver también