Calcula Pearson —o Spearman, si se pide— entre numéricas, V de Cramér entre
categóricas y eta cuadrado entre una categórica y una numérica. Las medidas se
informan en [0, 1]: la correlación usa su valor absoluto. La tabla declara
el método, su supuesto, el soporte y el posible muestreo; no presenta
significancia estadística.
detectar_asociaciones(
datos,
dependencias = NULL,
umbral = 0.3,
muestra = 10000,
max_columnas = 50L,
max_niveles = 50L,
max_pares = 500L,
metodo_numerico = c("pearson", "spearman"),
sentinelas_numericos = NULL
)Data frame S3 asociaciones_columnas. Sus atributos declaran filas,
columnas y pares examinados, omisiones por dependencia y truncamiento.
pares_omitidos_medicion conserva los pares que no se pudieron medir,
junto con el motivo y la cantidad de filas completas disponible. Su
atributo cobertura_diagnosticos tiene una fila por par omitido. Cuando
analizar() integra el resultado, esas filas se agregan a la cobertura
del perfil.
Tabla que se desea examinar.
Resultado opcional de detectar_dependencias().
Valor mínimo en [0, 1] que se informa.
Máximo común de filas; Inf desactiva el muestreo.
Máximo de columnas analizables.
Máximo de niveles para tratar una columna como categórica.
Máximo de asociaciones devueltas después de ordenar.
Medida entre columnas numéricas: "pearson" por
omisión, o "spearman" para asociación monótona sobre los rangos.
Vector de valores declarados como ausencia. La
fila de un par que contiene un valor declarado no se usa para medirlo,
igual que una fila con NA; por eso n_pares cuenta sólo las filas
completas restantes. La lista por omisión no se considera una declaración.
metodo_numerico = "spearman" mide asociación monótona sobre los rangos
y no supone linealidad, así que reconoce una relación creciente aunque sea
curva. Pearson sigue siendo el valor por omisión porque es lo que la mayoría
espera de una correlación, y el método elegido viaja en la columna metodo
de la salida para que ninguna lectura dependa de recordar cuál se pidió.
Se descartan constantes, fechas, listas, columnas compuestas —matrices o
arreglos de más de una dimensión—, categóricas de cardinalidad alta y
columnas posteriores a max_columnas antes de construir pares. Las
dependencias funcionales exactas recibidas en dependencias no se repiten
como asociaciones.
Un par en el que una columna toma un solo valor en las filas completas no se
puede medir —ni Cramér ni eta cuadrado están definidos con una sola
categoría—, aunque la columna no sea constante en la tabla entera: va a
pares_omitidos_medicion y no se publica como asociación cero.
detectar_dependencias(), analizar()
d <- data.frame(x = 1:20, y = 2 * (1:20), grupo = rep(c("A", "B"), 10))
detectar_asociaciones(d, umbral = 0)
Run the code above in your browser using DataLab