eviastatistics 0.1.0

A statistics library for various statistical calculations

DataCentral - Librería para Análisis Estadístico

Descripción

DataCentral es una librería Python diseñada para realizar análisis estadístico básico sobre conjuntos de datos. Proporciona funcionalidades para calcular medidas de tendencia central, dispersión y variabilidad, tanto para datos agrupados como no agrupados.

Instalación

pip install DataCentral

Requisitos

• Python 3.6 o superior
• No requiere dependencias externas adicionales

Uso Básico

Importar la librería

from datacentral import DataCentral
import math

# Crear una instancia con datos
datos = [23, 45, 67, 89, 12, 34, 56, 78, 90, 11]
descripcion = "Edades de participantes en el estudio"
dc = DataCentral(datos, descripcion)

Métodos Disponibles

Constructor

DataCentral(data, description)

Parámetros:

• data (list): Lista de valores numéricos (mínimo 2 elementos)
• description (str): Descripción textual del conjunto de datos

Ejemplo:

try:
    datos = [15, 22, 30, 35, 42, 50, 55, 60]
    dc = DataCentral(datos, "Edades de empleados")
except (TypeError, ValueError) as e:
    print(f"Error: {e}")

1. Media Aritmética (mean())

Calcula el promedio de los datos.

mean(grouped=False, decimal_places=2)

Parámetros:

• grouped (bool): True para datos agrupados, False para no agrupados
• decimal_places (int): Número de decimales para redondear

Ejemplos:

# Datos no agrupados
media_no_agrupada = dc.mean(grouped=False, decimal_places=2)
print(f"Media no agrupada: {media_no_agrupada}")

# Datos agrupados
media_agrupada = dc.mean(grouped=True, decimal_places=2)
print(f"Media agrupada: {media_agrupada}")

2. Mediana (median())

Encuentra el valor central de los datos ordenados.

median(grouped=False)

Parámetros:

• grouped (bool): True para datos agrupados, False para no agrupados

Ejemplos:

# Datos no agrupados
mediana_no_agrupada = dc.median(grouped=False)
print(f"Mediana no agrupada: {mediana_no_agrupada}")

# Datos agrupados
mediana_agrupada = dc.median(grouped=True)
print(f"Mediana agrupada: {mediana_agrupada}")

3. Moda (mode())

Encuentra el valor o valores más frecuentes.

mode(grouped=False)

Parámetros:

• grouped (bool): True para datos agrupados, False para no agrupados

Ejemplos:

# Datos no agrupados
moda_no_agrupada = dc.mode(grouped=False)
print(f"Moda no agrupada: {moda_no_agrupada}")

# Datos agrupados
moda_agrupada = dc.mode(grouped=True)
print(f"Moda agrupada: {moda_agrupada}")

4. Varianza (variance())

Calcula la varianza de los datos.

variance(grouped=False, decimal_places=2)

Parámetros:

• grouped (bool): True para datos agrupados, False para no agrupados
• decimal_places (int): Número de decimales para redondear

Ejemplo:

varianza = dc.variance(grouped=False, decimal_places=3)
print(f"Varianza: {varianza}")

5. Desviación Estándar (standard_deviation())

Calcula la desviación estándar (raíz cuadrada de la varianza).

standard_deviation(grouped=False, decimal_places=2)

Parámetros:

• grouped (bool): True para datos agrupados, False para no agrupados
• decimal_places (int): Número de decimales para redondear

Ejemplo:

desviacion = dc.standard_deviation(grouped=False, decimal_places=3)
print(f"Desviación estándar: {desviacion}")

6. Coeficiente de Variación (coefficient_of_variation())

Calcula el coeficiente de variación (CV) como porcentaje.

coefficient_of_variation(grouped=False, decimal_places=2)

Parámetros:

• grouped (bool): True para datos agrupados, False para no agrupados
• decimal_places (int): Número de decimales para redondear

Ejemplo:

cv = dc.coefficient_of_variation(grouped=False, decimal_places=2)
print(f"Coeficiente de variación: {cv}%")

7. Desviación Media (mean_deviation())

Calcula la desviación absoluta promedio respecto a la media.

mean_deviation(grouped=False, decimal_places=2)

Parámetros:

• grouped (bool): True para datos agrupados, False para no agrupados
• decimal_places (int): Número de decimales para redondear

Ejemplo:

desv_media = dc.mean_deviation(grouped=False, decimal_places=3)
print(f"Desviación media: {desv_media}")

8. Desviación Mediana (median_deviation())

Calcula la desviación absoluta promedio respecto a la mediana.

median_deviation(grouped=False, decimal_places=2)

Parámetros:

• grouped (bool): True para datos agrupados, False para no agrupados
• decimal_places (int): Número de decimales para redondear

Ejemplo:

desv_mediana = dc.median_deviation(grouped=False, decimal_places=3)
print(f"Desviación mediana: {desv_mediana}")

Atributos de la Clase

Atributo	Descripción	Tipo
data	Lista original de datos	list
description	Descripción del conjunto de datos	str
n	Número total de elementos	int
amplitude	Amplitud de intervalo para datos agrupados	float
intervalos	Número de intervalos para datos agrupados	int

Ejemplo Completo

from datacentral import DataCentral

# Crear conjunto de datos
calificaciones = [85, 92, 78, 90, 88, 76, 95, 89, 84, 91, 87, 93, 79, 86, 94]
estadisticas = DataCentral(calificaciones, "Calificaciones de estudiantes")

# Calcular todas las medidas
print(f"Descripción: {estadisticas.description}")
print(f"Número de datos: {estadisticas.n}")
print(f"Media: {estadisticas.mean(grouped=False, decimal_places=2)}")
print(f"Mediana: {estadisticas.median(grouped=False)}")
print(f"Moda: {estadisticas.mode(grouped=False)}")
print(f"Varianza: {estadisticas.variance(grouped=False, decimal_places=3)}")
print(f"Desviación estándar: {estadisticas.standard_deviation(grouped=False, decimal_places=3)}")
print(f"Coeficiente de variación: {estadisticas.coefficient_of_variation(grouped=False, decimal_places=2)}%")
print(f"Desviación media: {estadisticas.mean_deviation(grouped=False, decimal_places=3)}")
print(f"Desviación mediana: {estadisticas.median_deviation(grouped=False, decimal_places=3)}")

# Para datos agrupados
print(f"\nPara datos agrupados:")
print(f"Media: {estadisticas.mean(grouped=True, decimal_places=2)}")
print(f"Mediana: {estadisticas.median(grouped=True)}")
print(f"Moda: {estadisticas.mode(grouped=True)}")

Manejo de Errores

La librería incluye validaciones que generan excepciones específicas:

try:
    # Error: datos no es una lista
    dc = DataCentral("no es una lista", "descripción")
except TypeError as e:
    print(f"TypeError: {e}")

try:
    # Error: lista vacía
    dc = DataCentral([], "descripción")
except ValueError as e:
    print(f"ValueError: {e}")

try:
    # Error: menos de 2 elementos
    dc = DataCentral([1], "descripción")
except ValueError as e:
    print(f"ValueError: {e}")

Notas Importantes

1. Ordenamiento automático: Los métodos que lo requieren ordenan automáticamente los datos.
2. Agrupación de datos: Cuando se usa grouped=True, la librería calcula automáticamente la amplitud y número de intervalos usando la regla de Sturges.
3. Redondeo: Todos los métodos que aceptan decimal_places redondean el resultado al número de decimales especificado.
4. Datos agrupados vs no agrupados: Algunas medidas pueden tener fórmulas diferentes según el tipo de datos.

Limitaciones

• Diseñada para análisis estadístico básico
• No incluye pruebas de hipótesis
• No incluye análisis de correlación o regresión
• La agrupación automática usa la regla de Sturges exclusivamente

Licencia

MIT License