Este ejemplo de varianza acciones en estadística Big Data pertenece a la serie de estadísticas que te ayudan a entender cómo es tu población de los datos. Junto a la varianza se encuentran otros facilitadores, como los estimadores, los percentiles, la moda, los tests estadísticos, las operaciones, las asignaciones, el muestreo, etc.
Cada uno de estos facilitadores se dedican a abordar los macrodatos a partir de diferentes operaciones y asignaciones que ayudan al procesamiento de la información con el mismo propósito: destacar el valor de esta y basarse en ello para ajustar planes de desarrollo y toma de decisiones.
Así, conocer a qué tipo de datos se dedican o para qué cálculos se utiliza es de suma importancia, puesto que uno de los grandes retos para los data scientists ha sido el de ser capaces de elegir las características adecuadas para solucionar cada problema. Por ello, en este post, te recordamos a qué se refiere la varianza y por medio de un ejemplo de varianza acciones en estadística Big Data.
¿Qué es la varianza en estadística Big Data?
Antes de abordar el ejemplo de la varianza acciones en estadística Big Data, te recordamos que la varianza de un estimador nos dice cómo de fiable es el estimador o el margen de error que puede tener.
De manera que cuantas menos muestras tengas, mayor varianza tendrá el estimador. Además, se presentan diferentes tipos de varianza que también te explicamos:
Estimador insesgado de varianza mínima
Un estimador insesgado de varianza mínima es aquel que tiene menor varianza que cualquier otro estimador insesgado para todos los posibles valores del parámetro. Un estimador insesgado es un estimador que no tiene sesgo, es decir, con sesgo 0. Para el caso de una distribución uniforme es:
Esta fórmula sale de suponer que:
Varianza como estimador sesgado
La varianza de una variable muestreada es un estimador sesgado. Para ello, debes tener en cuenta que la varianza se definía como:
Ejemplo varianza acciones en estadística Big Data
Ahora, te presentamos un breve ejemplo de varianza acciones en estadística Big Data que te aconsejamos seguir paso por paso para profundizar en el conocimiento adquirido.
Pues bien, en la siguiente tabla tendrás el valor de que una acción ha incrementado su precio respecto al día anterior. Como notarás, se expondrán dos acciones, que son las de Telefónica y Tesla, para ejemplificar la varianza acciones en estadística Big Data:
myStocks<-read.csv("data/stockRatio.csv",stringsAsFactor=F)
str(myStocks)
summary(myStocks)
head(myStocks$date)
myStocks$date<-as.Date(myStocks$date, format="%Y-%m-%d") str(myStocks)
summary(myStocks)
options(repr.plot.height=4,repr.plot.width=6)
plot(myStocks$date, myStocks$TSLA, xlab= "Fecha", ylab="%", col="blue")
points(myStocks$date, myStocks$TEF, xlab= "Fecha", ylab="%", col="red",pch="*")
legend(myStocks$date[2],7,c("TESLA","TEF"), pch=c("o","*"),col=c("blue","red"), y.intersp = 2)
grid()
En la gráfica podrás ver cómo las acciones de Tesla varían mucho más que las acciones de las de telefónica. Mientras que las acciones de Tesla tienen jornadas donde las subidas o bajadas que exceden el 5%, en Telefónica es muy extraño el día en el que varían más del 3%.
Por otra parte, la varianza es el estimador estadístico que mejor refleja estos cambios:
paste("Varianza de TESLA:",var(myStocks$TSLA))
paste("Varianza de TELEFONICA:",var(myStocks$TEF))
paste("Desviación típica de TESLA:",sd(myStocks$TSLA))
paste("Desviación típica de TESLA:",sd(myStocks$TEF))
Ahora podrás repetir el ejercicio anterior con las acciones. Al menos el 50% de las acciones de Telefónica se encuentran en el rango [-1.5,1.53], mientras que en cambio las acciones de Tesla, al tener una mayor varianza su rango crece a [-3,3.35].
k<-c(sqrt(1/0.75),sqrt(1/0.5),sqrt(1/0.25))
margen<-data.frame(TEF_inf=mean(myStocks$TEF)-k*sd(myStocks$TEF),
TEF_sup=mean(myStocks$TEF)+k*sd(myStocks$TEF),prob=1/k^2,
TESLA_inf=mean(myStocks$TSLA)-k*sd(myStocks$TSLA),
TESLA_sup=mean(myStocks$TSLA)+k*sd(myStocks$TSLA)
)
margen
¿Cómo seguir aprendiendo Big Data?
En este post te hemos mostrado un ejemplo de varianza acciones en estadística Big Data, de manera que ahora podrás hacer uso de este como una práctica y ensayo del desarrollo de esta función que forma parte de los estadísticos del manejo Big Data. Igualmente, te aconsejamos seguir con el método de ensayo y error para llegar a un conocimiento más profundo y acertado.
También puedes seguir aprendiendo con el Big Data, Inteligencia Artificial & Machine Learning Full Stack Bootcamp de KeepCoding. Por medio de este bootcamp, podrás aprenderlo todo sobre las herramientas y metodologías más populares para aplicar los procesos de Modern Exploration & Visualization, Data Mining, Machine Learning, Deep Learning o Inteligencia Artificial, entre otros. Todo ello, desde los fundamentos teóricos hasta la práctica efectiva. No te quedes atrás, ¡solicita información y apúntate ahora!
