Estadística

Esta entrada viene a cuento de una discusión en un grupo de Linkedin. Alguien preguntó literalmente:

Mean as an estimator of parameter in case of non-normal/skewed distribution? My question is a bit tricky :) What could be the arguments for mean (simple no-weighted average) when the parameter distribution is non-normal?

Supongo que mis lectores habrán advertido que la pregunta está mal formulada. Alguien la reescribió en términos más precisos (aunque distintos) de la siguiente manera:

Leí una vez un chiste sobre estadísticos. Lo tengo, de hecho, en algún lugar de mi disco duro y prometo incluir una referencia a la fuente una vez lo ubique.

Trata de un borracho que pierde sus llaves en la noche y comienza a buscarlas a la luz de una farola. Alguien se ofrece a ayudarlo.

—Qué le ocurre, ¿buen hombre?

—He perdido las llaves.

—¿Recuerda dónde pudo haber ocurrido?

Hace un tiempo, con la aburridora perspectiva de un largo viaje en metro hasta mi casa ensombreciendo mi futuro más inminente, decidí regalarme algún tipo de amena lectura. A tal fin, imprimí un articulillo que, bajo la perspectiva de SAS, me introducía a una técnica que se vino a mí como por azar. O, bajo otro punto de vista, una técnica que, también por azar, había esquivado hasta tal fecha un encontronazo con mi husmeadora curiosidad.

Ha aparecido publicado recientemente en prensa que, según el Banco de España, hemos salido de la recesión (por si acaso: nosotros significa los españoles): en su Boletín Económico del mes de abril, el banco emisor dice textualmente que:

Las estimaciones realizadas a partir de la información coyuntural disponible apuntan a que, en el primer trimestre, el PIB pasó a crecer un 0,1%, en términos de su tasa intertrimestral, tras seis meses consecutivos de bajadas.

Hasta hace no mucho trabajé durante unos meses en la vieja economía. Ahora, de algún modo, sigo en ella aunque en otro estilo.

Hoy, sin embargo, hablaré de la nueva economía, de un nuevo estilo de hacer cosas. Llevado de un oneroso vicio mío, no hace tanto que compré cierto librito (que aún no he terminado) en cuyo primer capítulo tuve noticia del Goldcorp Challenge. En resumen: Goldcorp es una empresa minera que para el 2000 explotaba unas minas de oro en declive. Entonces, su director decidió nadar contra corriente: hizo públicos los datos recopilados por sus equipos de geólogos, que eran incapaces de encontrar depósitos nuevos de oro en la zona, y ofreció premios en metálico (más de medio millón de dólares) a quien, explotándolos, lograse indicios de nuevos filones.

Hace no mucho leí un articulillo de SAS sobre el impacto de ciertas marcas en determinadas redes sociales. Como este tema, así como sus posibles aplicaciones, siempre me ha intrigado, llevado de la curiosidad y del aburrimiento, decidí realizar un estudio análogo.

El artículo de SAS utiliza como materia prima resúmenes de publicaciones científicas que tratan de determinados medicamentos. A los autores les interesa conocer de qué marca de medicamentos escribe cada autor ponderando a éstos últimos en función de su impacto. El impacto lo miden a través de su peso en la red de colaboraciones científicas: tiene alto impacto un autor que ha escrito muchos artículos en colaboración con otros autores que también han escrito muchos artículos.

Participo últimamente en un proyecto dentro de un banco español bastante grande (sobre el que no abundaré ahora) que tiene como objetivo diseminar información financiera y comercial del mismo para los responsables de su dirección y gestión.

La información de partida yace (nunca mejor dicho) en vestustos prodigios de la técnica de los años setenta y nuestro papel consiste en desenterrarla con herramientas y procedimientos más a la altura de los tiempos.

A la vuelta de la Semana Santa, voy a escribir sobre una historia que leí en un librito muy recomendable de I.B. Cohen, El triunfo de los números. Imagino que mis lectores, más eruditos que yo, seguramente, la conocerán de antiguo.

La biblia está plagada de números e incluso define en cierto punto el valor de pi como tres. También trae noticia de algunos censos realizados en el antiguo Israel/Judea. El más famoso de todos, supongo, es el que condujo a José y María a Belén. Pero el que comento en esta entrada no deja de tener su interés.

De la pobre varianza sólo se acuerdan los vándalos: el historial de su página en la Wikipedia refleja la incesante actividad de unos cuantos desaprensivos empeñados en sustituir su definición o propiedades por declaraciones de amor perpetuo a sus novias circunstanciales u otras lindezas.

De la varianza se acuerdan los vándalos pero es ignorada por políticos, periodistas y quién sabe si también economistas. Ni aun estoy seguro de que de ella se acuerde el INE. El hecho es que las cifras macroeconómicas que se publican periódicamente (desempleo, crecimiento del PIB, etc.) nos son dadas como si de verdades reveladas se tratase y sin el muy conveniente aderezo de algún tipo de medida de su nivel de fiabilidad (varianza o similar). Luego, a toro pasado (en ocasiones, a toro lidiado, cocido en caldereta, comido, digerido con café, copa y puro y defecado), aparecen revisiones de las que ya nadie da cuenta. En fin.

Érase una vez un tendero tan con los sesos hechos agua de la desordenada lectura de divulgación científica soviética que, émulo de su autor favorito, decidió diseñar su propio experimento de física recreativa.

Así, armado de su nueva y flamante báscula, decidió comprobar si un litro de agua pesaba más de medio kilo. Y, efectivamente, el resultado de su experimento fue el esperado.

Animado por el éxito, se aventuró a realizar otro: comprobar si dos litros de agua pesaban, de nuevo, más de medio kilo. Habrá quien piense que se trata de un experimento ocioso (habida cuenta del resultado del primero). No obstante, el tendero realizó el experimento y, oh sorpresa, ¡resultó que dos litros de agua pesaban menos de medio kilo!

Después del éxito de crítica y público de la competición de Netflix, están apareciendo iniciativas similares. De hecho, acabo de recibir noticia de una más en la que se busca a una persona o equipo capaz de aportar ideas novedosas para el análisis de un conjunto de datos grande. Y se ofrece, además, una recompensa de 100.000 dólares para el ganador.

¿Interesante para algún proyecto de tesis/tesina? ¿O como proyecto colectivo en algún curso de minería de datos?

Aunque ando desaparecido estos días, me dejo caer por estas páginas para dar a conocer que estoy al tanto de una serie de ofertas de trabajo para estadísticos en general y expertos de SAS en particular.

Los interesados están siempre invitados a enviarme su currículo.

Hace poco no asistí a una conferencia del profesor Campo Elías Pardo en la Universidad Nacional de Colombia sobre la creación de paquetes de R. Me penó no poder asistir porque sospeché primero y corroboré después que se había obviado en ella una herramienta muy útil para la creación de paquetes con R: la forja oficial.

La conferencia trababa esencialmente de cómo crear paquetes bajo Windows. Windows es un sistema operativo del que sé poco y siempre me han parecido excesivamente arcanos los liturgias y herramientas necesarias para compilar los paquetes. Especialmente cuando uno cuenta con Linux. Pero ésa es otra historia.