Table of contents

2025 S1 Taller en clase

Habiendo descargado el archivo Nacimientos_1998.csv, se carga en un DataFrame que se llama df así:

import pandas as pd
df = pd.read_csv('Nacimientos_1998.csv',sep=';')

Particularidades de cargar los DataFrames

• Hay diferentes funciones para leer los datos de un archivo. Todas comienzan por read_.

• csvquiere decir “archivo separado por comas”, pero también se puede separar por punto y coma, o por tabulador. Si pandas no reconoce las columnas lo más problable es que tengamos que especificar otro separador. Esto se hace con la opción sep.

• El segundo erro posible es la codificación. En encoding. Usualmente no se especifica. Si hay errores se puede cambiar en la opción encoding. O se puede usar un programa externo para guardar el archivo con la codificación correcta. En libreoffice:

  File :arrow_right: Save as (opción :black_square_button: “edit filter settings”).

  pd.read_csv("Nacimientos_1998.txt",encoding="ISO-8859-1", sep="\t")
  

Filtros sobre las variables.

Se pueden filtrar valores con los operadores lógicos. Por ejemplo, para filtrar todos los nacimientos en que el código de municipio es 88 se crea primero un vector que indique si el código es ese:

filtro1 = df.cod_munic == 88

Y ahora se usa para filtrar

muncod88 = df[filtro1]

Si queremos usar dos filtros, podemos usar el operador & para unir dos vectores de filtro:

filtro2 = (df.cod_munic == 88) & (df.cod_dpto ==5)

Y luego podemos filtrar con este vector

m88d5 = df[filtro2]

Tabla de probabilidad marginal

Consideraciones generales

• De nuevo, trabajamos en grupos.

  • G1
  • G2 Michell y Ubaldo ✅
  • G3 Jhon Fredy e Isabel ✅
  • G4 Neil, Diego y Manuel ✅
  • G5 David Santiago y Ana María ✅
  • G6 Pablo y Leidy ✅
  • G7 Yuly y Sebastián ✅
  • G8 Lorena y Germán ✅
  • G9 Danna y Camilo ✅

• Que trabajarán las siguientes variables:

  • G1: Peso, menos de 1000 o más de 1000;Sexo asignado, M o F.
    • filtropeso = peso_nac == 1
  • G3: Multiplicidad del parto, simple o no simple; Sexo asignado, M o F.
  • G5: Multiplicidad del parto, doble o no doble; Sexo asignado, M o F.
  • G7: Edad madre: 10-14, o mayor a 14; Nivel educativo Madre, preescolar o no preescolar
  • G9: Edad madre: 15-19, o diferente a 15-19; Multiplicidad del parto, triple o no triple
  • G2: Peso, menos de 1000 o más de 1000; Talla, menos de 20 o más de 20
  • G4: Sexo asignado, M o F; Multiplicidad del parto, triple o no triple
  • G6: Multiplicidad del parto, doble o no doble; Nivel educativo Madre, preescolar o no preescolar
  • G8: Talla, menos de 20 a 29 o fuera de ese rango; Multiplicidad del parto, doble o no doble;

• Recuerde nombrar el archivo de manera similar al anterior (fecha en formato iso, apellidos)

• Recuerde entregar un ipynb

• Recuerde poner sus nombres completos

• 🆕 recuerde, el diccionario de datos en https://microdatos.dane.gov.co/index.php/catalog/366/data-dictionary/F1?file_name=Nacimientos_1998

• 🆕 Fecha de entrega: 25 de Noviembre, extendida máximo al 2 de Diciembre del 2025

Preguntas específicas

usando lo que vimos en clase, no otras herramientas

1. Usando las funciones que vimos en clase (por ejemplo la función sum, cuente las frecuencias de cada variable. En el archivo usando una casillas de texto, escriba la tabla de frecuencias.¹

2. Calcule las diferentes probabilidades marginales, dependientes, etc.

   🆕 es decir, calcule:

   • la probabilidad conjunta de que un dato al azar cumpla ambas características
   • la probabilidad marginal de que un dato al azar cumplan alguna característica,
   • la probabilidad condicional de la primera caracerística dada la segunda

3. ¿tiene evidencia de que las variables son independientes?

4. ¿qué puede concluir sobre estos datos con referencia a las probabilidades de las variables?

Rúbrica

• Reglas generales (formato del archivo, etc): +1.0

• Tabla de frecuencias perfecta: +1.0

• Probabilidades marginales : +1.0

• Análisis de independencia : +1

• Conclusiones: +1

Notas a Pie