LaurAnalytics

Confieso que no soy muy seriófila, pocas series me llegan a enganchar. Tengo una clara preferencia por las cómicas y parece ser que hay una en los últimos tiempos, que ha sabido atraparme. Estoy hablando de The Big Ban Theory . De la serie me gusta todo, los personajes con sus vidas frikis, la excentricidad de Sheldom, cómo van evolucionando...  y es que, el otro día viendo uno de los capítulos de la nueva temporada, me quedé pensativa a partir de unas palabras que dijo Leonard. En dicho capítulo, Howard, Leorard y Sheldon se aliaban para sacar adelante una patente. Fue entonces cuando Leonard dijo que lo que le gustaba de su profesión era la faceta de descubridor. En ese momento mi cabeza hizo clic. Y es que... ¿el descubrimiento no forma parte también del día a día del analista? En los últimos tiempos, no deja de hablarse del científico de datos , haciendo referencia a los nuevos profesionales del Big Data y Data Science. De hecho, a aquel que le interese ahondar más en

Como comentaba en el anterior post, este es la continuación de la [Parte 1], en el que intento dar respuesta a aquellas cuestiones que se me quedaron pendiente relacionados con temas de probabilidad. Me interesa conocer 3 cosas: 1) La probabilidad de acierto en cada ronda considerando los 4 juegos 2) La probabilidad de acierto de cada uno de los jugadores 3) La probabilidad de acierto de cada ronda en cada uno de los jugadores Y todo ello me gustaría representarlo a través de un mapa de calor, para comprender los datos más fácilmente y poder sacar conclusiones. Por cierto, investigando, he visto que generar 4 heatmaps en un mismo lienzo no es algo tan sencillo como con otros plots [parte1] así que decidí crearlos de manera individual. Vamos allá. ##### ¿CUÁL ES LA PROBABILIDAD DE ACIERTO EN CADA RONDA? ##### Sin perder de vista que la muestra considerada para el análisis es demasiado pequeña como para extraer conclusiones a tener en cuenta (se están