feat(browser): auto-commit con 178 cambios

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
2026-06-20 18:22:23 +02:00
parent 7d100e7f3e
commit 763e06c127
178 changed files with 19917 additions and 317 deletions
@@ -0,0 +1,89 @@
+---
+id: normality_tests_py_datascience
+name: normality_tests
+kind: function
+lang: py
+domain: datascience
+version: "1.0.0"
+purity: pure
+signature: "def normality_tests(values: list, alpha: float = 0.05) -> dict"
+description: "Tests de normalidad (Jarque-Bera, D'Agostino-Pearson, Shapiro-Wilk) sobre una columna numerica para decidir si sigue una distribucion normal. Descarta None/NaN/no-numericos y reporta consenso de los tests aplicables."
+tags: [eda, models, statistics, normality, hypothesis-test, distribution, shapiro, jarque-bera]
+uses_functions: []
+uses_types: []
+returns: []
+returns_optional: false
+error_type: ""
+imports: [math, scipy]
+example: |
+  from normality_tests import normality_tests
+  import numpy as np
+  result = normality_tests(np.random.default_rng(0).normal(0, 1, 1000).tolist())
+  # result["is_normal"] == True
+tested: true
+tests:
+  - "test_normal_large_sample_is_normal"
+  - "test_skewed_sample_is_not_normal"
+  - "test_small_sample_returns_note"
+  - "test_drops_none_nan_and_non_numeric"
+  - "test_shapiro_skipped_above_5000"
+  - "test_normal_below_eight_after_cleaning_is_note"
+test_file_path: "python/functions/datascience/normality_tests_test.py"
+file_path: "python/functions/datascience/normality_tests.py"
+params:
+  - name: values
+    desc: "Lista de valores numericos (una columna). None, NaN, infinitos y no-numericos se descartan antes de testear. Los booleanos se excluyen."
+  - name: alpha
+    desc: "Nivel de significancia por test (default 0.05). normal = p > alpha (no se rechaza H0 de normalidad)."
+output: >
+  dict. Si n < 8 (tras limpiar): {n, note: "muestra insuficiente", is_normal: None}.
+  En otro caso: {n, jarque_bera:{stat,p,normal}, dagostino:{stat,p,normal},
+  shapiro:{stat,p,normal}|None (solo 3<=n<=5000), is_normal:bool}. En cada test
+  normal = p > alpha. is_normal es el consenso (todos los tests aplicables coinciden
+  en que los datos son normales).
+---
+
+## Ejemplo
+
+```python
+from normality_tests import normality_tests
+import numpy as np
+
+# Muestra normal -> is_normal True
+normal = np.random.default_rng(0).normal(loc=10, scale=2, size=1000).tolist()
+r = normality_tests(normal)
+r["is_normal"]                  # True
+r["jarque_bera"]["normal"]      # True
+r["shapiro"]["p"] > 0.05        # True
+
+# Muestra exponencial (sesgada) -> is_normal False
+expo = np.random.default_rng(7).exponential(scale=1.0, size=1000).tolist()
+normality_tests(expo)["is_normal"]   # False
+
+# Muestra insuficiente
+normality_tests([1, 2, 3, 4, 5])
+# {"n": 5, "note": "muestra insuficiente", "is_normal": None}
+```
+
+## Cuando usarla
+
+Antes de aplicar un test parametrico o un estimador que asume normalidad
+(t-test, ANOVA, regresion OLS con intervalos de confianza, z-score para
+outliers): comprueba primero si la columna es realmente normal. Tambien en la
+fase EDA para decidir entre media (datos normales) y mediana/transformacion log
+(datos sesgados), y como gate barato antes de elegir un modelo que asuma
+errores gaussianos.
+
+## Gotchas
+
+- Funcion pura y determinista para una entrada dada, pero los p-valores
+  dependen del tamano de muestra: con n muy grande casi cualquier desviacion
+  minuscula de la normalidad rechaza H0 (poder estadistico alto). Interpreta
+  `is_normal` junto al tamano `n` y al contexto, no como verdad absoluta.
+- Shapiro-Wilk solo se ejecuta para `3 <= n <= 5000`; fuera de ese rango su
+  clave es `None` y `is_normal` se decide solo con Jarque-Bera y D'Agostino.
+- Con `n < 8` no se ejecuta ningun test: devuelve `note` e `is_normal: None`.
+  Cuenta el `n` tras limpiar (None/NaN/no-numericos descartados), no la longitud
+  bruta de la lista.
+- D'Agostino-Pearson (`normaltest`) requiere internamente `n >= 8` para skew y
+  kurtosis; por eso el umbral de muestra insuficiente es 8.