Capítulo 2 · 6 niveles
Distribuciones y muestreo
Lee la forma de una columna a partir de su histograma, agrupa valores en rangos y aprende qué tan lejos puede quedar una muestra de la población, con el error estándar para decir cuánto.
El capítulo anterior redujo una columna a unos pocos números. Este mira la forma completa que hay detrás. Un histograma muestra dónde se acumulan los valores, qué tan larga es la cola y si hay un pico del que nadie habló, como las miles de visitas de una sola página en el sitio de Harbor & Pine. Un diagrama de caja pone varios grupos lado a lado, y aprenderás a leer uno sin los errores de siempre.
Después viene la pregunta que todo analista enfrenta en cuanto los datos se vuelven grandes o caros: ¿qué pasa cuando solo miras una parte? Una muestra aleatoria de 200 pedidos da un promedio distinto cada vez que la sacas, y una muestra elegida de mala manera da una respuesta equivocada siempre. Medirás ambos problemas con los datos de la tienda: el error de muestreo aleatorio, al que el error estándar le pone un número, y el sesgo, que ninguna fórmula arregla.
El Desafío final lo convierte en una respuesta de planificación: cuántos pedidos necesita una encuesta o una prueba para que su promedio quede a menos de $25 de la verdad.
Niveles
- ¿Qué tan profundo navegan los visitantes?
de Ashley Rivera, Líder de Contenido Web
histogram, skew, distribution shape, bounce
- Una muestra de 200 pedidos
de Brian Mitchell, Analista Financiero
sample, population, sampling error, random sample
- La estimación solo con email
de Lauren Hayes, Gerente de Email Marketing
sampling bias, selection bias, representative sample
- Lee el diagrama de caja
de Megan Collins, Jefa de Ventas
box plot, quartiles, iqr, outliers, comparing distributions
- Desafío final: ¿qué tan grande debe ser la muestra?
de Laura Bennett, Jefa de Finanzas
standard error, sampling distribution, simulation, sample size, margin of error