univariate_analysis

Descripción General

Módulo de análisis estadístico descriptivo univariado. Proporciona estadísticas completas y visualizaciones interactivas para variables individuales.

Clases Principales

UnivariateAnalyzer

Métodos de Análisis

analyze_numeric_variable

Análisis completo de variable numérica.

Parameters:

  • column (str): Nombre de la columna a analizar

Returns:

Diccionario con estadísticas completas

Estadísticas calculadas:

  • Tendencia central: media, mediana, moda

  • Dispersión: desviación estándar, varianza, rango, IQR

  • Forma: asimetría (skewness), curtosis

  • Percentiles: P5, Q1, Q3, P95

  • Normalidad: Test de Shapiro-Wilk o Kolmogorov-Smirnov

  • Outliers: Detección mediante método IQR

Ejemplo:

stats = analyzer.analyze_numeric_variable('edad')

print(f"Media: {stats['mean']:.2f}")
print(f"Desviación estándar: {stats['std']:.2f}")
print(f"Asimetría: {stats['skewness']:.3f}")
print(f"Es normal: {stats['is_normal']}")
print(f"Outliers: {stats['outliers_count']} ({stats['outliers_pct']:.1f}%)")

analyze_categorical_variable

Análisis completo de variable categórica.

Parameters:

  • column (str): Nombre de la columna a analizar

Returns:

Diccionario con estadísticas

Estadísticas calculadas:

  • Conteo: total de observaciones, valores únicos

  • Moda: categoría más frecuente y su porcentaje

  • Distribución: frecuencias absolutas y relativas

  • Entropía: Medida de diversidad de categorías

Ejemplo:

stats = analyzer.analyze_categorical_variable('nivel_riesgo')

print(f"Valores únicos: {stats['unique_values']}")
print(f"Moda: {stats['mode']} ({stats['mode_percentage']:.1f}%)")
print(f"Entropía: {stats['entropy']:.3f}")

# Ver distribución
for categoria, frecuencia in stats['value_counts'].items():
    porcentaje = stats['frequencies'][categoria]
    print(f"{categoria}: {frecuencia} ({porcentaje:.1f}%)")

Métodos de Visualización

create_numeric_visualizations

Crea visualizaciones para variable numérica.

Parameters:

  • column (str): Nombre de la columna

Returns:

Diccionario con figuras de Plotly

Visualizaciones generadas:

  1. Histograma con KDE: Distribución de frecuencias con curva de densidad

  2. Boxplot: Diagrama de caja con outliers

  3. Q-Q Plot: Evaluación de normalidad

  4. ECDF: Función de distribución empírica acumulada

Ejemplo:

figures = analyzer.create_numeric_visualizations('puntaje_datacredito')

# Mostrar histograma
figures['histogram'].show()

# Mostrar boxplot
figures['boxplot'].show()

create_categorical_visualizations

Crea visualizaciones para variable categórica.

Parameters:

  • column (str): Nombre de la columna

Returns:

Diccionario con figuras de Plotly

Visualizaciones generadas:

  1. Gráfico de barras: Frecuencias por categoría

  2. Gráfico de torta: Distribución porcentual

Funciones de Renderizado

render_univariate_analysis

Renderiza el módulo de análisis univariado en Streamlit.

Funcionalidades:

  • Selector interactivo de variables

  • Análisis automático según tipo de variable

  • Visualizaciones interactivas

  • Interpretaciones estadísticas

render_numeric_analysis

Renderiza análisis específico para variable numérica.

Parameters:

  • analyzer (UnivariateAnalyzer): Analizador inicializado

  • column (str): Nombre de la columna

  • df (DataFrame): DataFrame con datos

render_categorical_analysis

Renderiza análisis específico para variable categórica.

Parameters:

  • analyzer (UnivariateAnalyzer): Analizador inicializado

  • column (str): Nombre de la columna

  • df (DataFrame): DataFrame con datos

render_univariate_module

Función principal para renderizar el módulo univariado completo.

Tests Estadísticos

Test de Normalidad

El módulo implementa dos tests de normalidad:

  • Shapiro-Wilk: Para n < 5000 muestras

  • Kolmogorov-Smirnov: Para n ≥ 5000 muestras

Interpretación:

  • p-value > 0.05: Distribución normal

  • p-value ≤ 0.05: No sigue distribución normal

Detección de Outliers

Método IQR (Rango Intercuartílico):

\[ \begin{align}\begin{aligned}\text{Límite inferior} = Q1 - 1.5 \times IQR\\\text{Límite superior} = Q3 + 1.5 \times IQR\end{aligned}\end{align} \]
Donde:

  • Q1 = Cuartil 1 (percentil 25)

  • Q3 = Cuartil 3 (percentil 75)

  • IQR = Q3 - Q1

Interpretación de Estadísticas

Asimetría (Skewness)

  • < -1: Asimetría negativa fuerte (cola izquierda)

  • -1 a -0.5: Asimetría negativa moderada

  • -0.5 a 0.5: Aproximadamente simétrica

  • 0.5 a 1: Asimetría positiva moderada

  • > 1: Asimetría positiva fuerte (cola derecha)

Curtosis

  • < 0: Platicúrtica (más plana que normal)

  • ≈ 0: Mesocúrtica (similar a normal)

  • > 0: Leptocúrtica (más puntiaguda que normal)

Coeficiente de Variación

\[CV = \frac{\sigma}{\mu} \times 100\]

  • < 15%: Baja variabilidad

  • 15-30%: Variabilidad moderada

  • > 30%: Alta variabilidad

Ejemplo Completo de Análisis

from src.univariate_analysis import UnivariateAnalyzer
import pandas as pd

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

# Crear analizador
analyzer = UnivariateAnalyzer(df)

# Analizar salario
stats_salario = analyzer.analyze_numeric_variable('salario_mensual')

print("=== ANÁLISIS DE SALARIO MENSUAL ===")
print(f"Observaciones: {stats_salario['count']:,}")
print(f"Media: ${stats_salario['mean']:,.0f}")
print(f"Mediana: ${stats_salario['median']:,.0f}")
print(f"Desv. Estándar: ${stats_salario['std']:,.0f}")
print(f"Coef. Variación: {stats_salario['cv']:.1f}%")
print(f"Asimetría: {stats_salario['skewness']:.3f}")
print(f"Outliers: {stats_salario['outliers_count']} ({stats_salario['outliers_pct']:.1f}%)")

# Crear visualizaciones
figures = analyzer.create_numeric_visualizations('salario_mensual')
figures['histogram'].write_html("histograma_salario.html")

# Analizar nivel de riesgo
stats_riesgo = analyzer.analyze_categorical_variable('nivel_riesgo')

print("\n=== ANÁLISIS DE NIVEL DE RIESGO ===")
print(f"Categorías: {stats_riesgo['unique_values']}")
print(f"Moda: {stats_riesgo['mode']} ({stats_riesgo['mode_percentage']:.1f}%)")
print("\nDistribución:")
for cat, pct in stats_riesgo['frequencies'].items():
    print(f"  {cat}: {pct:.1f}%")

Ver también