Parte VIII · Consulta y repaso

22 · 50 preguntas de repaso

Una tanda por bloque. La idea es contestar cada pregunta antes de abrir la respuesta. Cada una enlaza la página donde el concepto se desarrolla con los datos.

D · Estadística descriptiva (10)

  1. Si se pide «la venta normal» de una empresa con unas pocas ventas muy grandes, ¿se da la media o la mediana?

    La mediana. Las ventas muy grandes suben la media por encima del importe de la mayoría de las ventas. Ver la página →

  2. ¿Para qué sigue sirviendo la media cuando unas pocas ventas muy grandes la suben por encima de la mayoría?

    Para repartir un total: multiplicada por el número de ventas devuelve la facturación. La mediana no. Ver la página →

  3. Dos variables tienen la misma media y la misma desviación. ¿Pueden tener formas opuestas?

    Sí. La tabla resumen no dice si los valores se reparten por igual a los dos lados del centro o si unos pocos, mucho más grandes, alargan el reparto hacia un lado, que es lo que se llama cola larga. Eso lo dicen la asimetría y el histograma. Ver la página →

  4. ¿Se puede dar por buena la regla del 80/20 sin calcularla?

    No. La concentración aparece cuando unos pocos elementos son mucho más grandes que el resto y desaparece cuando los elementos se parecen. Aquí hay concentración por producto, menor que la del 80/20, y muy poca por provincia. Ver la página →

  5. ¿Por qué la misma pregunta puede dar ganadores distintos?

    Por el nivel de agregación: resumir por venta, por mes o por año cambia qué se está comparando. Ver la página →

  6. Una provincia es la tercera en facturación. ¿Es de las que más deja por venta?

    No necesariamente. Un total grande puede venir de muchas ventas pequeñas; hay que mirar el denominador. Ver la página →

  7. ¿Cuándo se lee bien un gráfico circular?

    Solo con dos o tres porciones muy desiguales. Con muchas porciones parecidas no se distingue nada. Ver la página →

  8. ¿Qué gráfico muestra que dos medidas no tienen relación?

    Una dispersión: una medida en cada eje. Si no hay relación, la nube de puntos no tiene inclinación. Ver la página →

  9. ¿Qué fase del EDA va antes de calcular el primer total?

    Auditar la calidad: perfilar, limpiar y apartar lo que no es una venta válida. Ver la página →

  10. ¿Por qué la primera versión de esta web dio un mes ganador equivocado?

    Sumaba meses con distinto número de años. Era un fallo de calidad del dato que ningún contraste posterior arreglaba. Ver la página →

E · Atípicos y anomalías (9)

  1. ¿Qué diferencia hay entre un atípico y una anomalía?

    Un atípico es un valor extremo que puede ser real. Una anomalía es algo que las reglas del negocio no permiten. Ver la página →

  2. ¿Qué problema tiene el z-score para buscar atípicos?

    Los propios atípicos aumentan la desviación, así que su z sale más pequeño de lo que debería. Ver la página →

  3. ¿Por qué la regla de Tukey resiste mejor los extremos que el z-score?

    Porque usa cuartiles, que no cambian cuando hay unos pocos valores muy grandes. Ver la página →

  4. Un detector marca por error una parte muy pequeña de lo normal. ¿Es un buen detector?

    No se sabe todavía. Si lo buscado es muy raro, casi todos sus avisos pueden ser falsos. Hay que mirar la precisión. Ver la página →

  5. Dos detectores dan exactamente el mismo resultado. ¿Se confirman uno al otro?

    No, si miran lo mismo. Aquí el z-score y el IsolationForest marcan las mismas ventas porque los dos miran el importe. Ver la página →

  6. ¿Qué pasa si una alerta da muchos avisos falsos?

    Es fácil que se dejen de mirar, que es la fatiga de alertas. El umbral se calibra pensando en quien los recibe. Ver la página →

  7. ¿Qué es una anomalía contextual?

    Una venta que es normal en el conjunto y rara en su contexto, por ejemplo en su provincia y trimestre. Ver la página →

  8. ¿Cuándo decide la regla y cuándo el algoritmo?

    Si se sabe qué está mal, decide la regla. El algoritmo propone candidatas para revisar. Ver la página →

  9. ¿En qué se fijan LOF y DBSCAN para marcar un punto?

    En la densidad: un punto es sospechoso si está en una zona mucho más vacía que la de sus vecinos. Ver la página →

F · Señal frente a ruido (13)

  1. ¿Qué dice el p-valor de una correlación y qué no dice?

    Dice si se distingue de cero. No dice si es grande ni si importa. Ver la página →

  2. ¿Cuándo se prefiere Spearman a Pearson?

    Cuando hay valores extremos o la relación no es una línea recta: Spearman trabaja con el orden. Ver la página →

  3. ¿Cómo funciona un test de permutación?

    Se barajan los datos muchas veces, se calcula lo mismo en cada barajado y se ve si el resultado real se sale de lo que da el azar. Ver la página →

  4. Un mes vende más que los otros once. ¿Es estacionalidad?

    Solo si supera al mejor mes que produce el azar. Entre doce meses siempre hay uno que queda primero. Ver la página →

  5. ¿Qué hace falta para comparar dos promedios?

    Su margen. Si los intervalos se solapan mucho, la diferencia puede deberse al azar. Ver la página →

  6. Una relación sale con p menor que 0,05 sobre miles de datos. ¿Hay que actuar?

    Antes hay que medir su tamaño. Con muchos datos, efectos minúsculos salen significativos. Ver la página →

  7. Un estudio no encuentra diferencia. ¿Prueba que no la hay?

    No, si le faltaba potencia. Hay que calcular cuántos datos harían falta para detectarla. Ver la página →

  8. ¿Cómo puede una provincia ganar en el total y perder producto a producto?

    Porque vende una proporción mayor de un producto caro. Es la paradoja de Simpson: la diferencia está en la mezcla. Ver la página →

  9. ¿Cómo se quita el efecto de la mezcla al comparar dos grupos?

    Emparejando: se comparan solo casos parecidos, como ventas del mismo producto. Ver la página →

  10. Se contrasta cada provincia por separado y salen tres especiales. ¿Qué hay que preguntar?

    Cuántas saldrían por azar con tantas pruebas. Luego se corrige con Bonferroni o Benjamini-Hochberg. Ver la página →

  11. ¿Para qué sirve el bootstrap en un KPI?

    Para saber con qué precisión se conoce el indicador. Ese margen es el de la media: para juzgar un mes suelto hace falta la banda del mes, que es más ancha. Ver la página →

  12. ¿Qué es una correlación parcial?

    La relación entre dos variables una vez quitado el efecto de una tercera que podría influir en las dos. Ver la página →

  13. Una de cada cinco ventas no tiene nota de satisfacción. ¿Qué se comprueba antes de usar las demás?

    Si la falta depende de algo del fichero. Y se dice que la prueba no puede ver si depende de la propia nota. Ver la página →

H · Segmentación y machine learning (10)

  1. ¿Qué hace falta en la tabla para calcular un RFM?

    Una clave que identifique al cliente de forma estable. Aquí no la hay: el correo lo comparten personas distintas. Ver la página →

  2. K-means devuelve cuatro grupos. ¿Prueba que hay cuatro tipos de cliente?

    No. Siempre devuelve los grupos que se le piden. La silueta indica si los grupos están separados. Ver la página →

  3. ¿Por qué la inercia no sirve para elegir el número de grupos?

    Porque siempre baja al añadir grupos. La silueta sí puede empeorar. Ver la página →

  4. ¿Qué pasa si no se escalan las variables antes de k-means?

    La variable con valores más grandes, como los euros, domina el resultado y las demás apenas cuentan. Ver la página →

  5. ¿Cuándo conviene el escalado robusto?

    Cuando unos pocos valores son mucho más grandes que el resto. Usa mediana y rango intercuartílico, así que los extremos no comprimen al resto de valores. Ver la página →

  6. ¿Por qué meter más variables puede empeorar un agrupamiento?

    Porque con muchas variables todas las distancias se parecen y el algoritmo ya no distingue cerca de lejos. Ver la página →

  7. ¿Qué añade una mezcla gaussiana sobre k-means?

    La seguridad de cada asignación, en forma de probabilidad. Ver la página →

  8. Un modelo saca muy buena nota sobre los datos con los que aprendió. ¿Es bueno?

    Todavía no se sabe. La nota que cuenta es la de los datos que no ha visto. Ver la página →

  9. Un modelo saca un R² perfecto. ¿Qué se sospecha primero?

    Una fuga: que una variable contenga la respuesta o no se conozca a tiempo. Ver la página →

  10. Dos modelos empatan con predecir la media. ¿Cuál se elige?

    El más simple. Y la conclusión es que esas variables no explican lo que se busca. Ver la página →

J · Del KPI al cuadro de mando (8)

  1. ¿Qué dos condiciones cumple un KPI?

    Puede empeorar y alguien sabe qué hacer cuando empeora. Ver la página →

  2. ¿Por qué la facturación acumulada es una métrica de vanidad?

    Porque solo puede subir, así que no sirve para avisar de un problema. Ver la página →

  3. Falta el dato para un KPI importante. ¿Se sustituye por otro parecido?

    No. Se anota el dato que falta para empezar a recogerlo. Un sustituto no mide lo mismo. Ver la página →

  4. ¿Qué va en la primera fila de un panel?

    Lo que obliga a decidir algo hoy. El contexto va abajo. Ver la página →

  5. ¿Cómo se comprueba que una medida DAX está bien?

    Calculando la misma cifra con un script independiente y los mismos filtros. Tienen que coincidir al céntimo. Ver la página →

  6. ¿Qué hay que hacer con el párrafo que una herramienta escribe sobre el panel?

    Comprobar cada afirmación antes de enviarlo y marcarlo como texto generado. Ver la página →

  7. ¿Cuáles son los cuatro peldaños de la analítica?

    Qué pasó, por qué, qué pasará y qué hacer. Cada uno se apoya en el anterior. Ver la página →

  8. ¿Qué paso evita que una IA invente al recomendar?

    El contexto: qué significa cada columna, qué está mal y qué falta. Ver la página →

Para buscar un concepto concreto: el glosario →