El Análisis Exploratorio de Datos (Exploratory Data Analysis, EDA), desarrollado por John W. Tukey, es la primera etapa del proceso de análisis de datos y consiste en un conjunto de métodos estadísticos y gráficos que permiten:
- organizar y estructurar los datos.
- explorar la distribución de las variables consideradas con la finalidad, por ejemplo, de detectar la presencia de valores perdidos, valores anómalos, comprender la dispersión y forma de los datos, etc.
- entender las relaciones entre las variables.
- comprobar el cumplimiento de los supuestos en los que se basan gran parte de métodos multivariantes.
- reorganizar y reestructurar los datos para posteriores procedimientos de análisis.
Este manual cubre los conceptos básicos de un curso introductorio al Análisis Exploratorio de Datos. En la primera parte del libro (capítulos 1 a 5) se introducen las bases para analizar y representar datos con R; en la segunda parte (capítulo 6) se explica como acceder a bases de datos de distintas fuentes (Instituto Nacional de Estadística, Centro de Investigaciones Sociológicas, Eurostat, etc.); y la tercera parte (capítulos 7 a 9) está dedicada a explicar, haciendo uso de R y datos reales, las principales medidas estadísticas utilizadas para describir una variable y para analizar la relación/asociación entre dos variables.
A medida que se adquieran conocimientos de probabilidad y de inferencia estadística, el Análisis Exploratorio de Datos puede extenderse para contrastar las hipótesis de partida requeridas en determinadas técnicas multivariantes, aplicar métodos de imputación de datos faltantes (missing data imputation), etc.
