ACTIVIDAD 5

Laboratorio TikTok 1K
Analítica de Datos Masivos

Nuestras Herramientas

Google Sheets
Hoja de cálculo para limpieza masiva y validación rápida mediante fórmulas.
JASP
Software libre para estadística científica y visualización de datos profesionales.
Jamovi
Interfaz visual moderna para procesar datos complejos sin usar códigos difíciles.

Diccionario del Analista

Media (Promedio) Es el valor "nivelado" del grupo. Sumas todo y divides entre el número de casos.
Mediana El dato que queda justo al centro. Es el "punto de equilibrio" de tu lista.
Moda Lo que más se repite. La tendencia ganadora en tu nicho.
Máximo y Mínimo Los límites de tu investigación. El valor más alto y el más bajo registrado.
Outliers (Valores Atípicos) Datos exagerados o extraños que se alejan demasiado del resto (ej. 100 horas de uso al día).
Limpieza de Datos Proceso de detectar y corregir errores, inconsistencias o datos nulos antes de analizar.

Reto: Procesar 1,000 registros para encontrar el ADN digital de Lerdo.

🔑 Escala de Comodidad

Variable: Comodidad_Algoritmo
1 = Nada cómodo ••• 5 = Muy cómodo

Ruta del Analista

1
LIMPIEZA: Carguen el CSV en Sheets. Filtren por su Género Favorito sorteado. Normalicen nombres y corrijan errores.
GOOGLE SHEETS
2
VALIDACIÓN: Usen fórmulas de Sheets para verificar Media y Mediana. Localicen y traten los Outliers.
FÓRMULAS: =MAX(), =MIN(), =PROMEDIO()
3
ESTADÍSTICA PRO: Importen a JASP/Jamovi. Obtengan los descriptivos y generen un Histograma del tiempo de uso.
JASP / JAMOVI
4
INFORME: Redacten en su Pad el stack de preguntas, peguen el gráfico y el link de su documento de Sheets.
ETHERPAD

Stack de Preguntas

  1. ¿Cuál es el tiempo máximo y mínimo de uso en tu nicho?
  2. ¿Cuál es el promedio de edad? ¿Tu público es mayor o menor de edad?
  3. Según la Moda, ¿tu audiencia prefiere ser Creador (Si) o solo Consumidor (No)?
  4. ¿Cuál es el nivel promedio de Comodidad con el Algoritmo (1 a 5)?
  5. ¿Existe diferencia en la comodidad entre hombres y mujeres de tu nicho? (Comparar Medias).
  6. ¿Identificaron Outliers en los Minutos_Uso? ¿Cómo afectaban la media antes de limpiarlos?