Lista de reproducción con vídeos de ayuda para el uso de los datasets.
Formación profesional y Universidad:Datasets
Fondo imagen banner
Datos preparados para analizar: "Datasets"
Un dataset es un tabla de datos plana con observaciones por filas y variables por columnas. Los datasets son recursos educativos para universitarios muy útiles para practicar técnicas multivariantes o de series temporales. Así por ejemplo, sin necesidad de acudir a los datos y microdatos de cada una de las estadísticas que produce el INE, se pueden obtener datasets muy interesantes.
Cada dataset viene acompañado de un notebook donde se explica su contenido y se realiza una introducción de la técnica estadística utilizada. Además, se muestra un ejemplo práctico de utilización del dataset, desde la carga inicial de los datos hasta los resultados obtenidos por la técnica estadística, todo ello mostrando los fragmentos de código dentro de un entorno R.
Te ayudamos a conocer los tipos de análisis
Para que conozcas más en detalle los tipos de análisis que puedes hacer sobre estos datasets, te presentamos unos vídeos explicativos sobre diferentes técnicas estadísticas, donde en unos pocos minutos se realiza un resumen de cada una de ellas, explicando qué tipo de problemas se pueden abordar con cada técnica y centrándose en los puntos clave para entender mejor cómo funciona con algún ejemplo visual.
-
Vídeos de ayuda
Lista de datasets
-
Análisis Discriminante
Microdatos relativos a la encuesta de estructura salarial de las personas en 2018. Salario bruto, edad y antigüedad en el trabajo y días de vacaciones al año del encuestado con el fin de clasificar los estudios (o bien tienen pocos estudios o bien muchos) de una persona en función de las anteriores variables.
- Identificador del dataset: laboral
- Técnica estadística: Análisis Discriminante
- Temas: Mercado laboral y salarios
- Operaciones: Encuesta Anual de Estructura Salarial
- Número de observaciones: 99782
Microdatos relativos a la Encuesta Nacional de Salud. Concretamente, datos correspondientes al año 2017. El objetivo de este estudio será aplicar un Análisis Discriminante para intentar clasificar el sexo de la población a partir del resto de variables.
- Identificador del dataset: salud
- Técnica estadística: Análisis Discriminante
- Temas: Salud
- Operaciones: Encuesta Nacional de Salud (ENSE)
- Número de observaciones: 229
-
Clúster Jerárquico
Este dataset presenta un conjunto de datos de las Tasas de variación de fallecidos en 2020 respecto al año anterior. Destacar que 2020 fue el año del COVID y que "1Ola", "2Ola", "3Ola" corresponden a las semanas en las que se dieron dichas olas.
- Identificador del dataset: VarCovid
- Técnica estadística: Clúster Jerárquico
- Temas: Salud
- Operaciones: Estimación de Defunciones Semanales
- Número de observaciones: 20
Datos por provincias del exceso de mortalidad durante las cinco primeras olas de COVID-19 en comparación con las personas fallecidas en el mismo periodo de los años 2017, 2018 y 2019, previos a la pandemia. Los datos provienen de una estadística experimental.
- Identificador del dataset: VarCovid
- Técnica estadística: Clúster Jerárquico
- Temas: Salud
- Operaciones: Estimación de Defunciones Semanales
- Número de observaciones: 53
Este dataset presenta un conjunto de datos sobre el salario medio anual de hombres y mujeres en España, relativos a los años 2017 y 2018.
- Identificador del dataset: desigualdad_CCAA
- Técnica estadística: Clúster Jerárquico
- Temas: Mercado laboral y salarios
- Operaciones: Encuesta Anual de Estructura Salarial
- Número de observaciones: 17
Datos por Comunidades Autónomas sobre la tasa de riesgo de pobreza, la carencia material o la situación laboral que encontramos en los datos de la Encuesta de Condiciones de Vida (ECV). Datos correspondientes al año 2021.
- Identificador del dataset: ecv_cluster
- Técnica estadística: Clúster Jerárquico
- Temas: Nivel, calidad y condiciones de vida
- Operaciones: Encuesta de Condiciones de Vida (ECV)
- Número de observaciones: 19
-
Clúster K-Means
Este dataset presenta un conjunto de datos de las Tasas de variación de fallecidos en 2020 respecto al año anterior. Destacar que que 2020 fue el año del COVID y que "1Ola", "2Ola", "3Ola" corresponden a las semanas en las que se dieron dichas olas.
- Identificador del dataset: VarCovid
- Técnica estadística: Clúster K-Means
- Temas: Salud
- Operaciones: Estimación de Defunciones Semanales
- Número de observaciones: 20
Este dataset presenta un conjunto de datos sobre el salario medio anual de hombres y mujeres en España, relativos a los años 2017 y 2018.
- Identificador del dataset: desigualdad_CCAA
- Técnica estadística: Clúster K-Means
- Temas: Mercado laboral y salarios
- Operaciones: Encuesta Anual de Estructura Salarial
- Número de observaciones: 17
Datos por Comunidades Autónomas sobre la tasa de riesgo de pobreza, la carencia material o la situación laboral que encontramos en los datos de Encuesta de Condiciones de Vida (ECV). Datos correspondientes al año 2021.
- Identificador del dataset: ecv_cluster
- Técnica estadística: Clúster K-Means
- Temas: Nivel, calidad y condiciones de vida
- Operaciones: Encuesta de Condiciones de Vida (ECV)
- Número de observaciones: 19
Este dataset presenta un conjunto de datos sobre el salario medio de los trabajadores y la población en las comunidades autónomas junto a Ceuta y Melilla, relativos al año 2018.
- Identificador del dataset: salario_kmeans
- Técnica estadística: Clúster K-Means
- Temas: Mercado laboral y salarios, Demografía y población
- Operaciones: Cifras Oficiales de Población de los Municipios Españoles , Encuesta Anual de Estructura Salarial
- Número de observaciones: 18
-
Reducción Dimensionalidad - Análisis Factorial
Este dataset presenta un conjunto de microdatos relativos a la Encuesta de Condiciones de Vida (ECV) donde se puntúa el nivel de satisfacción en determinados ámbitos de la vida (laboral, económico, relaciones personales..). El objetivo es llevar a cabo un análisis factorial.
- Identificador del dataset: ECV_factorial
- Técnica estadística: Reducción Dimensionalidad - Análisis Factorial
- Temas: Nivel, calidad y condiciones de vida
- Operaciones: Encuesta de Condiciones de Vida (ECV) (INE)
- Número de observaciones: 26883
Este dataset presenta un conjunto de microdatos relativos a la prueba PISA que trata de medir la existencia de variables socioeconómicas, metacognitivas, motivacionales e, incluso, emocionales, que pueden tener impacto sobre el rendimiento académico. El objetivo es llevar a cabo un análisis factorial.
- Identificador del dataset: pisa_factorial
- Técnica estadística: Reducción Dimensionalidad - Análisis Factorial
- Temas: Educación y formación
- Operaciones: Estudio PISA 2018 (Ministerio de Educación , Formación Profesional y Deportes)
- Número de observaciones: 35943
-
Reducción Dimensionalidad - PCA
Datos por Comunidades Autónomas de las nueve dimensiones relativas a la calidad de vida que componen el Índice Multidimensional de Calidad de Vida (IMCV), una estadística con carácter experimental. Datos correspondientes al año 2020.
- Identificador del dataset: IMCV_pca
- Técnica estadística: Reducción Dimensionalidad - PCA
- Temas: Estadística Experimental
- Operaciones: Estadística Experimental
- Número de observaciones: 20
Este dataset presenta los datos de estudio del mercado de adquisición de viviendas en propiedad en todas las comunidades autónomas durante el ejercicio 2021, relacionando las transmisiones inmobiliarias con las hipotecas constituidas, los índices de precio de vivienda y otras variables económicas y sociodemográficas. Orientado a escalamiento multidimensional, técnicas de clusterización y análisis de componentes principales.
- Identificador del dataset: MercadoHipotecas
- Técnica estadística: Reducción Dimensionalidad - PCA
- Temas: Construcción y vivienda. Demografía y población. Nivel, calidad y condiciones de vida
- Operaciones: Censos de Población y Viviendas 2021, Indicadores Demográficos Básicos (IDB), Tablas de mortalidad, Encuesta de Población Activa (EPA), Estadística de Transmisiones de Derechos de la Propiedad (ETDP), Estadística de Hipotecas, Índice de Precios de la Vivienda (IPV).
- Número de observaciones: 19
Datos para las Comunidades Autónomas, abordando sobre aspectos demográficos y de salud. Contiene variables como la tasa de natalidad y mortalidad, el índice de envejecimiento, tasas de profesionales de la salud (médicos y enfermeros) por cada 100.000 habitantes, el porcentaje de inaccesibilidad a medicamentos recetados por razones económicas y la tasa media de morbilidad hospitalaria debido a enfermedades.
- Identificador del dataset: Situacion_sanitaria
- Técnica estadística: Reducción Dimensionalidad - PCA
- Temas: Demografía y población
- Operaciones: Indicadores demográficos básicos (IDB), Estadística de profesionales sanitarios colegiados, Encuesta europea de salud en España.
- Número de observaciones: 17
El conjunto de datos abarca información diversa sobre variables socioeconómicas en provincias y ciudades autónomas. Contiene datos como número de explotaciones agrícolas, superficies agrícolas, indicadores de empleo, ejecuciones hipotecarias, empresas por sector, PIB per cápita y datos demográficos. Este conjunto de variables puede ser útil para aplicar técnicas de reducir la dimensionalidad y entender las relaciones entre las diferentes variables.
- Identificador del dataset: provincias_variado
- Técnica estadística: Reducción Dimensionalidad - PCA
- Temas: Agricultura, ganadería, selvicultura y caza. Construcción y vivienda. Demografía y población. Nivel, calidad y condiciones de vida
- Operaciones: Encuesta de Población Activa (EPA), Estadística sobre Ejecuciones Hipotecarias, Explotación Estadística del Directorio Central de Empresas (DIRCE), Contabilidad Regional de España (CRE), Estadística de migraciones, Estadística del Padrón Continuo, Censo Agrario, Estadística de prestaciones por desempleo del Ministerio de Trabajo y Economía Social, Estadística de apoyo a la creación de empleo del Ministerio de Trabajo y Economía Social.
- Número de observaciones: 52
-
Regresión Lineal
Datos por Comunidades Autónomas de ocho de las nueve dimensiones relativas a la calidad de vida que componen el Índice Multidimensional de Calidad de Vida (IMCV), una estadística con carácter experimental. Datos correspondientes al año 2020 y 2021.
- Identificador del dataset: IMCV_reg
- Técnica estadística: Regresión Lineal
- Temas: Estadística Experimental
- Operaciones: Estadística Experimental
- Número de observaciones: 38
Este dataset presenta la tasa de suicidios que ocurre en España con distintas variables demográficas y económicas que pueden llegar a influir o no, por Comunidades Autónomas.
- Identificador del dataset: Suicidios
- Técnica estadística: Regresión Lineal
- Temas: Salud
- Operaciones: Cifras Oficiales de Población de los Municipios Españoles: Revisión del Padrón Municipal, Encuesta de Población Activa (EPA), Índice de Precios de Consumo (IPC), Estadística de Condenados: Menores, Contabilidad Regional de España, Estadísticas sobre Recogida y Tratamiento de Residuos, Estadística de Sociedades Mercantiles, Estadística de Defunciones según la Causa de Muerte, Estadística de Movimientos Turísticos en Frontera (FRONTUR), Estadística de Violencia Doméstica y Violencia de Género, Estadística del Procedimiento Concursal, Estadística sobre Actividades en I+D, Encuesta de Presupuestos Familiares (EPF), Estadísticas sobre las Actividades de Protección Medioambiental
- Número de observaciones: 17
Dataset con número de matrimonios en las ciudades españolas (de entre 50.000 y 300.000 habitantes), número total de habitantes, número de mujeres y número de nacimientos que ha habido ese año. Datos correspondientes a 2022.
- Identificador del dataset: matrimonios_reg
- Técnica estadística: Regresión Lineal
- Temas: Demografía y poblacións
- Operaciones: Cifras Oficiales de Población de los Municipios Españoles: Revisión del Padrón Municipal, MNP: Estadística de Matrimonios, MNP: Estadística de Nacimientos
- Número de observaciones: 133
Microdatos relativos a la Encuesta Nacional de Salud de 2017. Altura, peso, edad, sexo e IMC del encuestado con el fin de hacer una regresión del peso en función del resto de variables y explicar por qué es interesante este estudio.
- Identificador del dataset: salud_reg
- Técnica estadística: Regresión Lineal
- Temas: Salud
- Operaciones: Encuesta Nacional de Salud (ENSE)
- Número de observaciones: 22019
-
Regresión Logística
Microdatos extraidos de la Encuesta de Condiciones de Vida (ECV) del año 2019. El objetivo es estimar si la calidad de vida de una persona ha mejorado respecto a su infancia, de acuerdo con su año de nacimiento y su nivel de estudios.
- Identificador del dataset: ECV_microdatos
- Técnica estadística: Regresión Logística
- Temas: Nivel, calidad y condiciones de vida
- Operaciones: Encuesta de Condiciones de Vida (ECV)
- Número de observaciones: 17463
Datos relativos a partos en 2022 en la Comunidad Foral de Navarra. El objetivo es clasificar los partos en función de si hubo o no una cesárea, en relación con de la edad de la madre, las complicaciones en el parto y las semanas de gestación.
- Identificador del dataset: Partos
- Técnica estadística: Regresión Logística
- Temas: Demografía y población
- Operaciones: MNP: Estadística de nacimientos
- Número de observaciones: 2809
Microdatos relativos a la Encuesta de Estructura Salarial de 2018. Salario bruto, edad y antigüedad en el trabajo y días de vacaciones al año del encuestado, con el fin de clasificar los estudios (o bien tienen pocos estudios o bien muchos) de una persona en función de las anteriores variables.
- Identificador del dataset: Laboral
- Técnica estadística: Regresión Logística
- Temas: Mercado laboral y salarios
- Operaciones: Encuesta Anual de Estructura Salarial
- Número de observaciones: 99782
Microdatos relativos a la Encuesta Nacional de Salud de 2017. Altura, peso y edad del encuestado, con el fin de clasificar el sexo de una persona en función de las anteriores variables.
- Identificador del dataset: Salud
- Técnica estadística: Regresión Logística
- Temas: Salud
- Operaciones: Encuesta Nacional de Salud (ENSE)
- Número de observaciones: 229
-
Series Temporales - ARIMA
Datos relativos al número de parados de España desde 2013 hasta 2024 con carácter trimestral.
- Identificador del dataset: Paro
- Técnica estadística: Series Temporales - ARIMA
- Temas: Mercado laboral y salarios
- Operaciones: Encuesta de Población Activa (EPA)
- Número de observaciones: 46
Datos relativos a la serie del IPC mensual en España desde 2002 hasta 2022.
- Identificador del dataset: ipc_series
- Técnica estadística: Series Temporales - ARIMA
- Temas: Precios
- Operaciones: Índice de Precios de Consumo (IPC)
- Número de observaciones: 252
Datos relativos a la población de la Comunidad de Madrid desde 1971 hasta 2022 desagregados por sexo y con carácter bianual.
- Identificador del dataset: madrid_series
- Técnica estadística: Series Temporales - ARIMA
- Temas: Demografía y población
- Operaciones: Estadística Continua de Población (ECP)
- Número de observaciones: 104
Datos relativos a la población de la Comunidad Foral de Navarra desde 1971 hasta 2021 desagregados por sexo y con carácter bianual.
- Identificador del dataset: Navarra
- Técnica estadística: Series Temporales - ARIMA
- Temas: Demografía y población
- Operaciones: Estadística Continua de Población (ECP)
- Número de observaciones: 101
-
Series Temporales - Holt Winters
Datos relativos al número de parados de España desde 2013 hasta 2024 con carácter trimestral.
- Identificador del dataset: paro
- Técnica estadística: Series Temporales - Holt Winters
- Temas: Mercado laboral y salarios
- Operaciones: Encuesta de Población Activa (EPA)
- Número de observaciones: 46
Datos relativos a la serie del IPC mensual en España desde 2002 hasta 2022.
- Identificador del dataset: ipc_series
- Técnica estadística: Series Temporales - Holt Winters
- Temas: Precios
- Operaciones: Índice de Precios de Consumo (IPC)
- Número de observaciones: 252
Datos relativos a la población de la Comunidad de Madrid desde 1971 hasta 2022 desagregados por sexo y con carácter bianual
- Identificador del dataset: madrid_series
- Técnica estadística: Series Temporales - Holt Winters
- Temas: Demografía y poblacións
- Operaciones: Estadística Continua de Población (ECP)
- Número de observaciones: 104