Calcula Pearson entre numéricas, V de Cramér entre categóricas y eta cuadrado
entre una categórica y una numérica. Las tres medidas se informan en [0, 1]:
Pearson usa su valor absoluto. La tabla declara el método, soporte y posible
muestreo; no presenta significancia estadística.
Uso
detectar_asociaciones(
datos,
dependencias = NULL,
umbral = 0.3,
muestra = 10000,
max_columnas = 50L,
max_niveles = 50L,
max_pares = 500L
)Argumentos
- datos
Tabla que se desea examinar.
- dependencias
Resultado opcional de
detectar_dependencias().- umbral
Valor mínimo en
[0, 1]que se informa.- muestra
Máximo común de filas;
Infdesactiva el muestreo.- max_columnas
Máximo de columnas analizables.
- max_niveles
Máximo de niveles para tratar una columna como categórica.
- max_pares
Máximo de asociaciones devueltas después de ordenar.
Valor
Data frame S3 asociaciones_columnas. Sus atributos declaran filas,
columnas y pares examinados, omisiones por dependencia y truncamiento.
Detalles
Se descartan constantes, fechas, listas, 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.
Ejemplos
d <- data.frame(x = 1:20, y = 2 * (1:20), grupo = rep(c("A", "B"), 10))
detectar_asociaciones(d, umbral = 0)
#> columna_1 columna_2 tipo_1 tipo_2 metodo
#> 1 x y numerica numerica pearson_absoluto
#> 2 x grupo numerica categorica eta2
#> 3 y grupo numerica categorica eta2
#> supuesto
#> 1 Las columnas numericas se tratan como cuantitativas; la escala no queda confirmada.
#> 2 La columna numerica se trata como cuantitativa y la otra como categoria.
#> 3 La columna numerica se trata como cuantitativa y la otra como categoria.
#> asociacion n_pares
#> 1 1.000000000 20
#> 2 0.007518797 20
#> 3 0.007518797 20