trabajo_regresion
1 Introducción
1.1 Contexto y motivación
IShowSpeed es un creador de contenido en YouTube que ha experimentado un crecimiento exponencial en
los últimos años. Su canal se caracteriza por transmisiones en vivo, reacciones y contenido de videojuegos,
atrayendo a una audiencia global con millones de visualizaciones por video. Analizar el crecimiento de su
canal puede proporcionar información valiosa sobre las dinámicas del contenido en plataformas digitales y
los factores que influyen en la viralidad de los videos.
En un ecosistema donde los creadores buscan maximizar su alcance, entender qué factores impactan el
número de vistas es crucial. Variables como la duración del video, la hora de publicación y la cantidad
de interacciones pueden desempeñar un papel clave en el éxito de un video. Este estudio busca identificar
patrones y tendencias para predecir el rendimiento futuro de los videos en términos de visualizaciones.
1.2 Objetivos del estudio
El objetivo principal de este análisis es desarrollar un modelo que permita comprender y predecir el impacto
de los videos en el canal de IShowSpeed. Para lograrlo, se plantean los siguientes subobjetivos:
(1) Analizar estadísticamente el comportamiento de las métricas del canal, incluyendo vistas, likes y co-
mentarios.
(2) Identificar relaciones entre las variables que pueden influir en el rendimiento y la interacción del público.
(3) Medir el impacto de un video más allá de las vistas, evaluando cómo los likes y comentarios reflejan el
engagement.
(4) Aplicar modelos de regresión para predecir el impacto de futuros videos, considerando múltiples métri-
cas.
(5) Evaluar la precisión del modelo y proponer mejoras para optimizar la predicción del éxito de un video.
1
2 Descripción de los datos a analizar
df <- [Link]("[Link]", stringsAsFactors = FALSE)
df$impacto <- (df$views * 0.5) + (df$likes * 0.3) + (df$comments * 0.2)
El dataset utilizado en este análisis contiene información sobre 1,504 videos publicados en el canal de YouTube
de IShowSpeed. Cada fila representa un video y contiene variables clave relacionadas con su rendimiento y
características.
• videoId: Identificador único del video.
• videoTitle: Título del video.
• datePosted: Fecha en la que se publicó el video.
• timePosted: Hora en la que se publicó.
• duration: Duración del video en formato hh:mm:ss.
• totalSeconds: Duración convertida en segundos.
• views: Número total de vistas del video.
• likes: Número total de “me gusta”.
• comments: Número total de comentarios.
Además de analizar el número de vistas como métrica principal, es importante considerar otras formas de
interacción que reflejan el éxito de un video. Para ello, se ha creado la variable “impacto”, que combina
tres métricas clave:
• Vistas (V ): Representan el alcance total del video.
• Likes (L): Indican el nivel de aprobación de la audiencia.
• Comentarios (C): Reflejan el nivel de participación y discusión generada por el video.
La variable impacto se define mediante la siguiente ecuación:
Impacto = (0.5 × V ) + (0.3 × L) + (0.2 × C)
Se ha utilizado esta ponderación porque las vistas son la métrica más representativa del rendimiento de
un video, pero las interacciones (likes y comentarios) también juegan un papel importante en su difusión y
engagement.
Esta variable nos permitirá no solo predecir el crecimiento del canal en términos de vistas, sino también
comprender qué videos generan un mayor impacto en la comunidad de IShowSpeed.
2
Variable Descripción Tipo de Dato
videoId Identificador único del video Categórica (Texto)
videoTitle Título del video Categórica (Texto)
datePosted Fecha de publicación (YYYY-MM-DD) Categórica (Fecha)
timePosted Hora de publicación (HH:MM:SS) Categórica (Hora)
duration Duración del video (HH:MM:SS) Categórica (Texto)
totalSeconds Duración convertida en segundos Numérica (Continua)
views Número total de visualizaciones Numérica (Discreta)
likes Cantidad total de "me gusta" Numérica (Discreta)
comments Número total de comentarios Numérica (Discreta)
impacto Métrica ponderada de vistas, likes y comentarios Numérica (Continua)
Table 1: Descripción de las variables del dataset
2.1 Tipos de Datos en el Dataset
Las variables en el dataset se pueden clasificar en dos grandes categorías:
• Categóricas: Representan información cualitativa, como identificadores y fechas.
• Numéricas: Son variables cuantificables, ya sean discretas (conteos) o continuas (valores medibles en
escala continua).
A continuación, se presenta una tabla con la clasificación de cada variable según su tipo de dato:
El dataset combina variables cualitativas y cuantitativas, lo que permite analizar tanto aspectos temporales
(fecha y hora de publicación) como métricas de rendimiento (vistas, likes, comentarios).
Las variables categóricas (videoId, videoTitle, datePosted, timePosted, duration) facilitan la identificación de
cada video y el análisis de tendencias temporales. Las variables numéricas discretas (views, likes, comments)
representan conteos de interacción, cruciales para medir el impacto. Las variables numéricas continuas
(totalSeconds, impacto) permiten realizar comparaciones más detalladas entre videos de diferente duración
y nivel de engagement. La variable impacto, creada específicamente para este estudio, permitirá evaluar el
éxito de un video considerando múltiples factores, no solo el número de vistas.
2.2 Análisis estadístico de las variables
Una vez descritas las variables del dataset, es necesario realizar un análisis exploratorio de los datos para
comprender su distribución, detectar posibles valores atípicos y evaluar las relaciones entre las diferentes
métricas. Este análisis se enfocará en las variables numéricas, diferenciando entre variables discretas (vistas,
likes, comentarios) y continuas (duración del video en segundos e impacto).
Para ello, se emplearán histogramas y diagramas de caja (boxplots) con los siguientes objetivos:
• Histogramas: Permiten visualizar la distribución de las variables y evaluar si presentan sesgos o con-
centraciones de valores.
• Boxplots: Ayudan a detectar valores atípicos y analizar la dispersión de los datos. Gráficos de disper-
sión: Facilitan la identificación de relaciones entre las variables clave, como la duración del video y su
impacto.
• Este estudio es fundamental para entender el comportamiento de los datos antes de aplicar modelos
de regresión. A continuación, se presentan los resultados del análisis exploratorio.
3
Distribución de Variables Numéricas Histogramas: Esto nos permite visualizar la frecuencia de las
vistas, likes, comentarios e impacto.
Distribución de Vistas Distribución de Likes
1500
Frecuencia
Frecuencia
1000 1000
500 500
0 0
0e+00 1e+08 2e+08 3e+08 0.0e+005.0e+061.0e+071.5e+07
Vistas Likes
Distribución de Comentarios Distribución del Impacto
1250
1000
Frecuencia
Frecuencia
1000
750
500 500
250
0 0
0 50000100000150000200000 0.0e+00 5.0e+07 1.0e+08 1.5e+08
Comentarios Impacto
Boxplots: Detección de Valores AtípicosAquí analizamos si hay valores extremos en las métricas principales.
Boxplot de Vistas Boxplot de Likes
3e+08
1.5e+07
2e+08
Vistas
Likes
1.0e+07
1e+08
5.0e+06
0e+00 0.0e+00
−0.4 −0.2 0.0 0.2 0.4 −0.4 −0.2 0.0 0.2 0.4
Boxplot de Comentarios Boxplot de Impacto
200000 1.5e+08
Comentarios
150000
Impacto
1.0e+08
100000
5.0e+07
50000
0 0.0e+00
−0.4 −0.2 0.0 0.2 0.4 −0.4 −0.2 0.0 0.2 0.4
4
Table 2: Resumen Estadístico de las Variables Numéricas
Variable Media Mediana Varianza DesviacionEstandar Minimo Maximo
views views 2259004.65 898396.5 1.340807e+14 11579322.18 3944.0 301785897
likes likes 90112.57 32968.0 2.835879e+11 532529.75 72.0 17857818
comments comments 3171.23 1165.0 9.692765e+07 9845.18 0.0 208495
impacto impacto 1157170.34 462974.5 3.528693e+13 5940280.54 2008.6 156272870
Después de visualizar la distribución de los datos mediante histogramas y boxplots, es importante analizar
las principales estadísticas descriptivas de las variables numéricas. Este análisis nos permitirá comprender
la tendencia central, la dispersión de los datos y la presencia de valores extremos.
A continuación, se presenta una tabla con medidas clave como la media, mediana, varianza, desviación
estándar, mínimo y máximo de cada variable:
Hasta ahora, hemos analizado métricas como vistas, likes, comentarios e impacto de manera estática. Sin
embargo, en plataformas como YouTube, la popularidad de un canal no es un fenómeno aislado, sino que
evoluciona con el tiempo.
A medida que el canal IShowSpeed gana suscriptores y mayor reconocimiento, es esperable que sus videos
alcancen más interacciones con el tiempo. Para explorar esta evolución, analizaremos cómo han cambiado
las métricas clave en función de la fecha de publicación de los videos.
En esta sección, estudiaremos:
• El crecimiento en vistas, likes y comentarios con el tiempo.
• Cómo ha evolucionado el impacto de los videos a lo largo de la historia del canal.
• Si existen patrones de popularidad en ciertos períodos o tendencias de crecimiento.
A continuación, presentamos los resultados del análisis de la evolución temporal de la popularidad de los
videos en el canal IShowSpeed.
Evolución de Vistas Evolución de Likes
4e+05
Vistas
5e+06 2e+05
Likes
0e+00 0e+00
−5e+06 −2e+05
2018 2020 2022 2024 2018 2020 2022 2024
Fecha Fecha
Evolución de Comentarios Evolución del Impacto
Comentarios
Impacto
5000 2500000
0
0
−2500000
2018 2020 2022 2024 2018 2020 2022 2024
Fecha Fecha
En los gráficos anteriores, se pueden observar tendencias crecientes en las interacciones del canal de
IShowSpeed. A medida que el canal ha ganado reconocimiento, los videos han acumulado mayor número de
vistas, likes, comentarios e impacto con el paso del tiempo.
5
Para complementar este análisis visual, presentamos a continuación tablas numéricas que muestran la dis-
tribución de videos en distintos intervalos de vistas, likes, comentarios e impacto por año. Estas tablas nos
permitirán evaluar de manera cuantitativa:
• Si la proporción de videos con muchas vistas e interacciones ha aumentado.
• Cuántos videos han alcanzado categorías de alto impacto cada año.
• Si el crecimiento en popularidad es uniforme o si hay años con más videos virales.
A continuación, se presentan los resultados en formato tabular.
Distribución de Vistas por Año con Totales
Año 0-50K 50K-500K 500K-5M 5M-50M 50M+ Total
2017 0 1 1 0 0 2
2018 1 9 2 0 0 12
2019 5 8 0 0 0 13
2020 360 22 0 0 0 382
2021 97 167 137 14 1 416
2022 0 1 259 16 1 277
2023 0 0 176 26 1 203
2024 0 0 137 61 1 199
Total 463 208 712 117 4 1504
Distribución de Impacto por Año con Totales
Año 0-100K 100K-1M 1M-5M 5M-10M 10M+ Total
2017 0 1 1 0 0 2
2018 9 3 0 0 0 12
2019 13 0 0 0 0 13
2020 381 1 0 0 0 382
2021 181 195 36 1 3 416
2022 0 154 116 3 4 277
2023 0 123 68 8 4 203
2024 0 56 128 9 6 199
Total 584 533 349 21 17 1504
Distribución de Comentarios por Año con Totales
Año 0-100 100-1K 1K-10K 10K-50K 50K+ Total
2017 0 1 0 1 0 2
2018 4 7 1 0 0 12
2019 9 4 0 0 0 13
2020 364 17 1 0 0 382
2021 110 151 141 13 1 416
2022 2 10 250 12 3 277
6
Año 0-100 100-1K 1K-10K 10K-50K 50K+ Total
2023 0 17 160 19 7 203
2024 0 14 158 26 1 199
Total 489 221 711 71 12 1504
Distribución de Likes por Año con Totales
Año 0-1K 1K-10K 10K-100K 100K-1M 1M+ Total
2017 0 1 1 0 0 2
2018 3 7 2 0 0 12
2019 6 7 0 0 0 13
2020 365 17 0 0 0 382
2021 67 128 187 32 2 416
2022 0 0 214 60 3 277
2023 0 0 152 47 4 203
2024 0 0 88 107 4 199
Total 441 160 644 246 13 1504