Visualización de Datos

¿Qué son las herramientas de depuración y filtrado de datos?. Herramientas para crear gráficos y visualizaciones. Herramientas para identificar, corregir y eliminar errores o inconsistencias en datos. Herramientas exclusivas para el análisis estadístico avanzado.

¿Cuál es el propósito principal de la depuración de datos?. Transformar datos crudos en información fiable y valiosa. Crear visualizaciones atractivas para presentaciones. Reducir el tamaño de los conjuntos de datos.

¿Qué problemas suelen contener los datos en su forma cruda?. Errores, inconsistencias, valores atípicos y omisiones. Únicamente problemas de formateo visual. Exceso de información relevante.

¿Cuál de las siguientes NO es una herramienta mencionada para depuración de datos?. OpenRefine. Power BI. Excel Avanzado.

En el contexto de depuración de datos, ¿qué significa "imputación"?. Eliminar registros con datos inconsistentes. Reemplazar o asignar valores a datos faltantes. Verificar la autenticidad de los datos.

¿Qué comando se utiliza en R para tratar datos faltantes?. SetPrueba$Cantidad[is.na(SetPrueba$Cantidad)] <- valor. SetPrueba.delete(NA). remove.na(SetPrueba$Cantidad).

Para cambiar el tipo de datos de una columna en R se utilizan los comandos: change.type(). convert(). as.numeric(), as.integer(), as.character(), etc.

¿Qué herramienta permite identificar el tipo de datos que tiene cada columna en R?. type(). str(). class.all().

¿Qué comando en R proporciona un resumen estadístico de las variables numéricas?. statistics(). summary(). describe().

Para conocer la cantidad de registros en un dataframe de R, se utiliza: count(). nrow(). length().

¿Qué comando muestra los primeros registros de un dataset en R?. first(). top(). head().

¿Qué función en R calcula la media de una variable numérica?. average(). mean(). central().

El boxplot es útil para: Visualizar únicamente correlaciones entre variables. Resumir la distribución, mostrar la mediana, cuartiles y valores atípicos. Mostrar únicamente la tendencia central de los datos.

Los elementos principales de un boxplot son: Líneas, puntos y círculos. Rectángulo (caja), líneas (bigotes) y puntos individuales para valores atípicos. Barras verticales y horizontales.

La función pairs() en R se utiliza para: Comparar pares de variables específicas. Visualizar relaciones entre múltiples variables en un solo gráfico. Unir dos dataframes diferentes.

¿Qué tipo de gráfico es más adecuado para visualizar la distribución de una variable categórica?. Histograma. Gráfico de dispersión. Gráfico de barras.

Para visualizar la relación entre dos variables numéricas, el gráfico más adecuado es: Gráfico de dispersión (scatter plot). Gráfico circular. Histograma.

¿Qué representa la línea dentro de la caja en un boxplot?. La media. La mediana. El rango.

¿Qué función se utiliza para crear un histograma en R?. histogram(). hist(). bar().

¿Qué tipo de gráfico muestra la distribución proporcional de una variable categórica?. Boxplot. Histograma. Gráfico circular/torta.

En OpenRefine, ¿qué función se utiliza para filtrar por valores específicos?. "Filter". "Facet". "Select".

¿Cuál es el comando en R para crear un gráfico de barras?. bar(). barplot(). barchart().

¿Qué información proporciona el comando summary() en R?. Solo el promedio de las variables numéricas. Mínimo, 1er cuartil, mediana, media, 3er cuartil y máximo de variables numéricas. Solo la suma total de los valores.

Los gráficos y la visualización de datos permiten: Únicamente presentar datos de manera atractiva. Transformar números y estadísticas en representaciones visuales comprensibles. Sustituir completamente el análisis estadístico.

Para realizar un gráfico circular en R se utiliza la función: circle(). pie(). round().

La función table() en R se utiliza para: Crear tablas de contingencia o frecuencia para variables categóricas. Organizar datos en formato tabular. Diseñar tablas para presentaciones.

¿Qué función utiliza OpenRefine para tratar celdas vacías?. "Fill empty cells" o "Face by blank". "Remove blanks". "Null detector".

El comando median() en R calcula: El valor central cuando los datos están ordenados de menor a mayor. El valor que más se repite. El promedio de todos los valores.

¿Cuál es la ventaja principal de la exploración visual de datos?. Siempre es más precisa que el análisis estadístico. Facilita la identificación de patrones, tendencias y relaciones ocultas. Elimina la necesidad de depurar los datos.

¿Qué caracteriza a la exploración de datos como etapa?. Es el proceso final después del análisis profundo. Es el primer contacto con los datos, examinando estructura y características básicas. Solo se realiza con herramientas avanzadas de visualización.

Para cambiar el tipo de datos en OpenRefine, se debe: Usar la opción "Common transforms". Recrear completamente la columna. No es posible cambiar el tipo de datos en OpenRefine.

¿Qué función de R muestra los últimos registros de un dataframe?. last(). tail(). end().

La selección del tipo de gráfico adecuado depende de: El costo de la herramienta de visualización. El objetivo del análisis, la naturaleza de los datos y la audiencia. Solo de la cantidad de datos disponibles.

Los "bigotes" en un boxplot representan: Solo los valores mínimo y máximo. El rango de datos que se extiende desde la caja hasta valores dentro de 1.5 veces el IQR. Únicamente los valores atípicos.

En el proceso de análisis de datos, ¿qué debe ocurrir antes de crear visualizaciones efectivas?. Publicación de resultados. Depuración y exploración de datos. Solo es necesario elegir el gráfico adecuado.

¿Qué desafío principal presenta la visualización de datos en la era digital actual?. La escasez de herramientas tecnológicas para procesamiento. Convertir el flujo incesante de información en visualizaciones significativas. La falta de profesionales capacitados en diseño gráfico.

Según los materiales de estudio, ¿qué campos convergen en la visualización de datos?. Únicamente programación y estadística. Solamente diseño y comunicación visual. Ciencia de datos, diseño, comunicación visual y comprensión contextual.

¿Cuál es el objetivo principal de la visualización de datos?. Crear gráficos visualmente atractivos. Transformar información compleja en representaciones visuales comprensibles. Almacenar grandes cantidades de datos de forma eficiente.

¿Qué competencia implica la capacidad de localizar datos relevantes en fuentes diversas?. Sintetizar información clave. Buscar y recuperar información. Relacionar información semejante.

La competencia de "filtrar y resaltar información relevante" se refiere a: Seleccionar y presentar solo los datos más importantes para el propósito específico. Eliminar todos los datos que parezcan inconsistentes. Añadir elementos visuales llamativos a todos los datos.

¿Qué competencia se enfoca en condensar y simplificar la información sin perder su significado esencial?. Relacionar información semejante. Filtrar información relevante. Sintetizar información clave.

¿Cuál de los siguientes NO es uno de los 8 roles profesionales en la visualización de datos según Andy Kirk?. Analista de tendencias. Periodista. Científico de datos.

¿Qué rol se encarga de la adquisición, manipulación y preparación de los datos?. El iniciador. El científico de datos. El diseñador.

El rol del periodista en la visualización de datos se centra en: Establecer el enfoque narrativo y contextualizar la información. Manipular y preparar los datos para su análisis. Diseñar la apariencia visual de la presentación.

¿Quién es responsable de construir soluciones técnicas eficientes para la recolección y manipulación de datos?. El científico cognitivo. El experto en programación. El comunicador.

¿Qué rol posee habilidades visuales y creativas para garantizar la estética y armonía en la solución visual?. El diseñador. El periodista. El iniciador.

¿Cuál es la responsabilidad del científico cognitivo en el proceso de visualización de datos?. Liderar el proyecto y asignar tareas. Optimizar la visualización basándose en percepción visual y teorías cognitivas. Comunicar los resultados al cliente.

El comunicador en el equipo de visualización de datos actúa como: Programador principal de la solución. Enlace entre el cliente y el equipo técnico. Responsable único de la depuración de datos.

¿Quién coordina las tareas y el progreso del proyecto de visualización de datos?. El científico de datos. El iniciador. El project manager.

Según Manuel Lima, "La forma sigue a la función" significa que: La estética visual es el aspecto más importante de cualquier visualización. La forma de la visualización debe diseñarse para revelar información relevante. Los datos determinan automáticamente cómo debe ser la visualización.

¿Cuál es el primer paso que recomienda Manuel Lima para una visualización efectiva?. Elegir un software de visualización avanzado. Comenzar con una pregunta que guíe el trabajo. Determinar el presupuesto disponible.

¿Por qué es importante la interactividad en la visualización de datos?. Porque hace las visualizaciones más coloridas. Porque permite a los usuarios explorar y reformular el diseño para responder a sus preguntas. Porque es un requisito técnico obligatorio.

¿Por qué es importante citar las fuentes en una visualización de datos?. Para cumplir con requisitos legales de derechos de autor. Para proporcionar credibilidad e integridad al trabajo y permitir validación. Solo es necesario cuando se trabaja con datos gubernamentales.

¿Qué significa "El poder de la narrativa" en el contexto de la visualización de datos?. Que las visualizaciones deben incluir textos literarios. Que las visualizaciones deben transmitir una historia convincente para facilitar la comprensión. Que se deben contratar escritores profesionales para cada proyecto.

Según el principio "No glorifiques la estética", ¿cómo debe considerarse el aspecto visual en una visualización?. Como el objetivo principal del diseño. Como irrelevante para la calidad de la visualización. Como una consecuencia y no como el objetivo final.

¿Qué implica "Buscar la relevancia" en la visualización de datos?. Solo incluir datos de fuentes oficiales. Resaltar la información más impactante y significativa para los usuarios. Utilizar únicamente datos recientes.

¿Por qué es importante "Aceptar el tiempo" en la visualización de datos?. Para asegurar que el proyecto se complete dentro del plazo. Para incluir la dimensión temporal cuando el sistema se ve afectado por su progresión. Para garantizar que la visualización sea actual.

El principio "Aspira al conocimiento" se refiere a: La necesidad de tener un título académico para crear visualizaciones. El objetivo de traducir información en conocimiento útil para el usuario. La obligación de incluir información académica en cada visualización.

¿Qué significa "Evitar las visualizaciones injustificadas"?. No crear visualizaciones sin aprobación previa. No utilizar datos sin permiso. No añadir complejidad o ruido visual sin propósito informativo.

En el caso práctico de la empresa de comercio electrónico con disminución de ventas, ¿cuál era uno de los problemas identificados?. Exceso de datos visualizados. Falta de comprensión profunda de los datos disponibles. Ausencia total de datos para análisis.

Para el análisis del caso de comercio electrónico, ¿qué tipo de datos se consideraban relevantes?. Solo datos de redes sociales. Únicamente registros de ventas. Datos de ventas, interacciones en redes sociales, visitas al sitio web y datos demográficos.

¿Cuál es la primera fase del proceso de visualización según el material estudiado?. Definición del propósito y parámetros iniciales. Creación de gráficos atractivos. Publicación de resultados.

¿En qué fase del proceso de visualización participa principalmente el científico de datos?. Construcción y lanzamiento. Preparación y exploración de los datos. Formulación de preguntas.

¿Cuándo es más relevante la participación del diseñador en el proceso de visualización?. En la fase de definición del propósito. En la fase de preparación de datos. En la fase de conceptualización del diseño.

¿Qué competencia permite identificar patrones o relaciones entre diferentes conjuntos de datos?. Sintetizar información clave. Relacionar información semejante. Buscar y recuperar información.

¿Cuál de los siguientes es un enfoque importante para el análisis de datos en el caso de comercio electrónico?. Ignorar datos históricos y enfocarse solo en datos actuales. Analizar la relación entre campañas de marketing y fluctuaciones en ventas. Reducir la cantidad de datos analizados para simplificar.

Según lo estudiado, ¿por qué es importante la colaboración multidisciplinaria en la visualización de datos?. Para aumentar el presupuesto del proyecto. Para distribuir la responsabilidad en caso de errores. Para aportar diversas perspectivas y habilidades especializadas al proceso.

¿Qué distingue a un buen proceso de visualización de datos de uno deficiente?. La cantidad de datos representados. El equilibrio entre precisión técnica, claridad narrativa y diseño funcional. El uso de las herramientas más costosas.

¿Qué aspecto ético es fundamental considerar al trabajar con datos de clientes?. Utilizar todos los datos disponibles sin restricciones. Salvaguardar la privacidad y obtener consentimiento cuando sea necesario. Compartir los datos con todos los departamentos de la empresa.

¿Qué tipo de visualización se recomienda para representar tendencias temporales?. Gráficos de barras exclusivamente. Gráficos que muestren evolución a lo largo del tiempo, como gráficos de líneas. Únicamente gráficos circulares.

¿Cuáles de las siguientes son competencias fundamentales en la visualización de datos? (seleccionar 4 respuestas correctas). Buscar y recuperar información. Filtrar y resaltar la información más relevante. Sintetizar la información clave. Relacionar la información semejante. Ignorar datos inconsistentes.

¿Cuáles de los siguientes son roles profesionales en la visualización de datos según Andy Kirk? (seleccionar 4 respuestas correctas). El iniciador. El científico de datos. El periodista. El diseñador. El contador.

¿Qué roles adicionales forman parte de los 8 sombreros de Andy Kirk? (seleccionar 4 respuestas correctas). El experto en programación. El científico cognitivo. El comunicador. El project manager. El consultor financiero.

¿Cuáles de estos principios forman parte del Visual Information Manifesto de Manuel Lima? (seleccionar 4 respuestas correctas). La forma sigue a la función. Comienza con una pregunta. La interactividad es clave. Cita tus fuentes. Usa siempre colores brillantes.

¿Qué otros principios menciona Lima en su manifiesto? (seleccionar 4 respuestas correctas). El poder de la narrativa. No glorifiques la estética. Busca la relevancia. Acepta el tiempo. Usa siempre la mayor cantidad de datos posible.

¿Cuáles de los siguientes son los últimos dos principios del manifiesto de Lima? (seleccionar 2 respuestas correctas). Aspira al conocimiento. Evita las visualizaciones injustificadas. Prioriza siempre la estética sobre la función. Utiliza siempre la tecnología más avanzada. Sigue las tendencias del mercado.

¿Qué problemas se identificaron en el caso de la empresa de comercio electrónico? (seleccionar 3 respuestas correctas). Falta de comprensión profunda de los datos. Limitaciones en la toma de decisiones informadas. Falta de estrategias basadas en datos. Exceso de personal técnico. Presupuesto insuficiente.

¿Qué fases del proceso de visualización de datos se mencionan en el material? (seleccionar 5 respuestas correctas). Definición del propósito y parámetros iniciales. Preparación y exploración de los datos. Formulación de preguntas. Conceptualización del diseño. Construcción y lanzamiento. Aptitud de Facultades.

¿Cuáles son responsabilidades del científico de datos en un equipo de visualización? (seleccionar 3 respuestas correctas). Adquisición de datos. Manipulación de datos. Preparación de datos para su uso. Diseño gráfico de la visualización. Gestión del proyecto.

¿Qué tareas realiza principalmente el diseñador en un proyecto de visualización? (seleccionar 3 respuestas correctas). Garantizar la estética y armonía en la solución visual. Equilibrar forma y función. Asegurar que la visualización sea atractiva y efectiva. Preparar y depurar los datos. Liderar el equipo de trabajo.

¿Qué funciones cumple el comunicador en un proyecto de visualización? (seleccionar 3 respuestas correctas). Actuar como enlace entre el cliente y el diseñador. Explicar conceptos técnicos a personas no técnicas. Articular y comunicar efectivamente la visión del proyecto. Programar la solución técnica. Adquirir y preparar los datos.

¿Qué pasos se recomiendan para abordar el caso de la empresa con disminución de ventas? (seleccionar 4 respuestas correctas). Análisis exhaustivo de los datos. Selección y creación de visualizaciones relevantes. Diseño y claridad en las visualizaciones. Contextualización y narrativa. Reducción de la cantidad de datos analizados.

¿Cuáles son aspectos importantes a considerar en la ética del trabajo con datos? (seleccionar 4 respuestas correctas). Privacidad de los datos. Consentimiento para el uso de información. Precisión y transparencia. Evitar sesgos en la presentación. Maximizar la cantidad de datos siempre.

¿Qué competencias se utilizaron para identificar el problema en el caso práctico de la empresa EconoVisión? (seleccionar 4 respuestas correctas). Buscar y recuperar información. Filtrar y resaltar información relevante. Sintetizar información clave. Relacionar información semejante. Modificar los datos para hacerlos más atractivos.

¿Qué ventajas ofrece un enfoque multidisciplinario en la visualización de datos? (seleccionar 4 respuestas correctas). Diversidad de perspectivas. Combinación de habilidades especializadas. Mayor precisión técnica y narrativa. Soluciones más efectivas y comprensibles. Aumento garantizado de ventas.

La visualización de datos es simplemente un proceso estético para hacer gráficos atractivos. Falso. Verdadero.

Los 8 roles profesionales identificados por Andy Kirk incluyen: iniciador, científico de datos, periodista, experto en programación, diseñador, científico cognitivo, comunicador y project manager. Falso. Verdadero.

La forma en una visualización de datos debe seguir exclusivamente a los datos disponibles. Falso. Verdadero.

La interactividad es un elemento opcional y no esencial en la visualización de datos. Falso. Verdadero.

Citar las fuentes de los datos es una práctica recomendada para proporcionar credibilidad e integridad al trabajo de visualización. Falso. Verdadero.

El rol del periodista en la visualización de datos se enfoca en la programación y desarrollo técnico. Falso. Verdadero.

Todas las fases del proceso de visualización requieren la participación activa de todos los roles profesionales. Falso. Verdadero.

La competencia "sintetizar información clave" implica condensar y simplificar la información sin perder su significado esencial. Falso. Verdadero.

El científico cognitivo se enfoca en la eficacia de la técnica y el diseño basándose en la comprensión de la percepción visual y teorías cognitivas. Falso. Verdadero.

Según el manifiesto de Lima, la estética debe considerarse como el objetivo principal de cualquier visualización de datos. Falso. Verdadero.

¿Cuáles de las siguientes son herramientas de depuración y filtrado de datos mencionadas en el material? (seleccionar 3 respuestas correctas). OpenRefine. Power BI. R. SPSS. SAS.

¿Qué problemas pueden abordarse con las herramientas de depuración y filtrado? (seleccionar 4 respuestas correctas). Detección y eliminación de valores atípicos. Imputación de datos faltantes. Estandarización y normalización de datos. Análisis predictivo avanzado. Eliminación de duplicados.

¿Qué comandos en R son útiles para la estadística descriptiva? (seleccionar 4 respuestas correctas). mean(). median(). sd(). var(). predict().

¿Qué pasos se realizan en el tratamiento de datos faltantes en OpenRefine? (seleccionar 4 respuestas correctas). Abrir el conjunto de datos en OpenRefine. Identificar celdas vacías o con valores faltantes. Seleccionar las celdas con datos faltantes. Utilizar opciones para llenar valores faltantes con información coherente. Eliminar automáticamente todas las filas con valores faltantes.

¿Qué información proporciona el comando summary() en R? (seleccionar 6 respuestas correctas). Mínimo. 1er Cuartil (Q1). Mediana. Media. 3er Cuartil (Q3). Máximo. Desviación típica.

¿Qué elementos principales componen un boxplot? (seleccionar 3 respuestas correctas). Rectángulo (caja). Líneas (bigotes). Puntos individuales para valores atípicos. Barras verticales. Área sombreada.

¿Qué tipos de gráficos se pueden crear con R? (seleccionar 4 respuestas correctas). Gráfico de barras (barplot). Gráfico de dispersión (plot). Gráfico circular (pie). Histograma (hist). Gráfico de movimiento.

¿Para qué sirve la función pairs() en R? (seleccionar 3 respuestas correctas). Visualizar relaciones entre variables. Identificar correlaciones. Detectar patrones y valores atípicos. Realizar análisis multivariable complejo. Sustituir al análisis estadístico.

Al realizar la depuración de datos, ¿qué tareas son esenciales? (seleccionar 4 respuestas correctas). Identificar errores en los datos. Corregir inconsistencias. Filtrar datos irrelevantes. Mejorar la calidad y utilidad de los datos. Realizar automáticamente análisis predictivos.

¿Qué comandos en R son útiles para explorar inicialmente un dataframe? (seleccionar 4 respuestas correctas). str(). nrow(). head(). tail(). analyze().

¿Qué acciones permite realizar un boxplot? (seleccionar 3 respuestas correctas). Resumir la distribución de los datos. Identificar valores atípicos. Comparar distribuciones. Realizar predicciones automáticas. Visualizar correlaciones entre múltiples variables.

¿Qué comandos existen en R para cambiar el tipo de datos? (seleccionar 4 respuestas correctas). as.numeric(). as.integer(). as.character(). as.factor(). as.transform().

¿En qué casos es adecuado utilizar un gráfico circular/torta? (seleccionar 1 respuesta correcta). Para mostrar la distribución proporcional de una variable categórica. Para visualizar relaciones entre variables numéricas. Para identificar valores atípicos. Para mostrar tendencias temporales.

¿Qué tipos de análisis pueden realizarse con la exploración visual de datos? (seleccionar 4 respuestas correctas). Identificación de patrones. Detección de tendencias. Descubrimiento de relaciones entre variables. Identificación de valores atípicos. Predicción automática del futuro.

¿Qué beneficios aporta la visualización efectiva de datos? (seleccionar 4 respuestas correctas). Transforma datos complejos en representaciones comprensibles. Facilita la identificación de información significativa. Ayuda en la toma de decisiones informadas. Permite comunicar resultados de manera más efectiva. Elimina la necesidad de análisis estadístico.

La depuración de datos solo es necesaria cuando se trabaja con conjuntos de datos muy grandes. Falso. Verdadero.

OpenRefine, Power BI y R son herramientas que se pueden utilizar para la depuración y filtrado de datos. Falso. Verdadero.

El comando summary() en R solo proporciona la media y la mediana de los datos. Falso. Verdadero.

Un boxplot es útil para identificar valores atípicos en un conjunto de datos. Falso. Verdadero.

La función pairs() en R permite visualizar relaciones entre pares de variables en un conjunto de datos. Falso. Verdadero.

La exploración de datos debe realizarse después del análisis profundo, no antes. Falso. Verdadero.

Un gráfico de barras es la mejor opción para visualizar la relación entre dos variables numéricas. Falso. Verdadero.

La selección del tipo de gráfico adecuado depende del objetivo, la naturaleza de los datos y la audiencia. Falso. Verdadero.

Para tratar datos faltantes en R, se puede usar la sintaxis: dataframe$columna[is.na(dataframe$columna)] <- valor. Falso. Verdadero.

Los histogramas son adecuados para visualizar la distribución de variables categóricas. Falso. Verdadero.