Ciencia de Datos | Data Science | Python - Análisis de Asociación entre Variables Nominales Categóricas: La V de Cramer con Python

Comúnmente un análisis estadístico involucra explorar asociaciones entre dos variables. Sin embargo, cuando estas variables no son numéricas, utilizar conceptos como la correlación de Pearson es inadecuado. A raíz de esto, se han desarrollado medidas para determinar el grado de asociación entre dos variables categóricas nominales, una de ellas es la V de Cramer. Este video explica, de una forma pragmática, la V de Cramer y cómo calcularla usando python. 👉 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 https://www.linkedin.com/in/octaviogutierrez/ Para citar este recurso educativo utiliza la siguiente referencia: Gutiérrez-García, J.O. [Código Máquina]. (2024, 21 de Octubre). Análisis de Asociación entre Variables Nominales Categóricas: La V de Cramer con Python [Video]. YouTube. [Incluye aquí la URL del video] ******************************************** Para guiar tu aprendizaje, en este vínculo (https://youtu.be/lomJnbN5Wnk) 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 Presentación 0:58 Para qué sirve la V de Cramer 1:20 Ejemplo: Variables Nominales Categóricas 2:40 Tabla de contingencia 5:44 V de Cramer en Python 6:24 Datos y asociación sintética 10:28 Tabla de contingencia en Python 11:45 Cálculo de la V de Cramer 12:49 Consideraciones importantes El código se encuentra disponible en: https://github.com/CodigoMaquina/code/blob/main/estadistica_ciencia_de_datos/v_de_cramer.ipynb ⭐ Apoya a Código Máquina dando un Like, Comentando, Compartiendo o con un Super Gracias. ⭐ De la co-fundadora de Código Máquina, productos de cosmética natural SINHAKI: https://www.amazon.com.mx/stores/sinHaki/page/1BD34FBC-C0F9-44F5-AC69-520634334C61?ref_=ast_bln #Estadistica #CienciaDeDatos #Python #DataScience