UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO

FACULTAD DE CIENCIAS

Estimación Matemática y Computacional de Individuos Similares

a un Patrón: Caso “Fedelobo”

PRESENTA

Alexander Eduardo Rojas Garay

Investigador, Matemático y Fı́sico, UNAM

PROYECTO

Simulación de Parecidos Faciales

FECHA

17 de mayo de 2025
Índice
1. Introducción 3

2. Objetivos 3

3. Revisión de Literatura 3

4. Estructura del Documento 4

5. Descripción de los Datos Sintéticos 4

6. Preprocesamiento de Datos 4
6.1. Carga y Exploración Inicial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
6.2. Imputación de Valores Faltantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
6.3. Detección y Remoción de Atı́picos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
6.4. Ingenierı́a de Caracterı́sticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
6.5. Escalado de Variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

7. Análisis de Componentes Principales (PCA) 6

7.1. Fundamentos Matemáticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
7.2. Implementación en Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
7.3. Tabla de Varianza Explicada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

8. Modelo de Similitud: Distancia de Mahalanobis 7

8.1. Definición de la Métrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
8.2. Cálculo en Python . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
8.3. Determinación del Umbral Estadı́stico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
8.4. Clasificación de Similares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

9. Resultados de la Simulación 8
9.1. Conteo y Porcentaje de Parecidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
9.2. Gráficos Clave . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

[Link]́lisis de Sensibilidad 9

[Link]́n 9

[Link] del Estudio 9

[Link] Futuro 10

[Link] 10

[Link]́n del Dashboard Interactivo 10

15.1. Requisitos de Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
15.2. Archivo [Link] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
15.3. Estructura de Archivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
15.4. Código Principal ([Link]) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
15.5. Ejecución . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
15.6. Despliegue en la Nube . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
[Link]́ndices 14
16.1. Apéndice A: Código de Generación de Datos . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
16.2. Apéndice B: Estadı́sticas Descriptivas Extendidas . . . . . . . . . . . . . . . . . . . . . . . . . 14
16.3. Apéndice C: Matriz de Correlación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
16.4. Apéndice D: Funciones Utilitarias en Python . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
16.5. Apéndice E: Glosario de Términos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

[Link] Finales 15

[Link] 16

[Link] 16

[Link] 16
1. Introducción
La identificación de similitudes faciales en extensos conjuntos de datos posee aplicaciones en biometrı́a,
seguridad, personalización de contenido y estudios demográficos. Los algoritmos de aprendizaje profundo han
demostrado alta efectividad, pero su complejidad y naturaleza de “caja negra” dificulta la interpretación y
validación de sus resultados.
En este trabajo proponemos un enfoque basado en estadı́stica clásica que combina:

Reducción de dimensionalidad mediante Análisis de Componentes Principales (PCA).

Métrica de similitud con distancia de Mahalanobis considerando la covarianza de los rasgos.
Definición de umbrales basados en la distribución chi-cuadrada para clasificar parecidos.

Implementación reproducible en Python y despliegue interactivo con Streamlit.

Este método permite:
1. Mantener transparencia en el pipeline de análisis.
2. Auditar cada paso desde datos crudos hasta resultados finales.

3. Ajustar dinámicamente parámetros de corte y explorarlos visualmente.

2. Objetivos
Generar una muestra sintética de rasgos faciales basada en distribuciones normal multivariada.

Normalizar y limpiar los datos, gestionando valores faltantes y atı́picos.

Aplicar PCA para reducir ruido y mejorar estabilidad numérica.
Calcular distancias de Mahalanobis en el espacio reducido.

Determinar umbrales de similitud con χ2 y evaluar su impacto.

Desplegar un dashboard para visualizar parecidos y mapas de México.

3. Revisión de Literatura
El uso de la distancia de Mahalanobis, propuesta por Mahalanobis en 1936, incorpora la estructura
de covarianza de los datos, permitiendo medir similitud multidimensional. De Maesschalck et al. (2000)
demostraron su aplicación en detección de objetos raros y validación de patrones biométricos.
Por otro lado, Jolliffe (2002) formalizó el Análisis de Componentes Principales (PCA) para reducir di-
mensionalidad maximizando la varianza. El enfoque PCA+Mahalanobis ha sido utilizado en:

Clasificación de expresiones faciales (Wang et al., 2018).

Estudios morfométricos en poblaciones humanas (Li et al., 2021).
Detección de anomalı́as en series temporales y datos industriales.
Sin embargo, la integración de estas técnicas con dashboards ligeros (Streamlit, Plotly, Pydeck) es un
aporte práctico que facilita la exploración y validación de resultados por usuarios no técnicos.
4. Estructura del Documento
Este reporte se organiza en cinco grandes bloques:
1. Introducción, objetivos y revisión de literatura.
2. Descripción de los datos sintéticos y verificación estadı́stica.
3. Preprocesamiento, limpieza, estandarización e ingenierı́a de caracterı́sticas.
4. PCA y modelo de distancia de Mahalanobis, con determinación de umbrales.
5. Resultados, análisis de sensibilidad, discusión, conclusiones y referencias.

5. Descripción de los Datos Sintéticos

La base de datos sintética consta de N = 10 000 observaciones, cada una con cuatro variables continuas:
face ratio: Relación ancho/alto del rostro.
eye height: Altura relativa de los ojos al rostro.
eye distance: Distancia interpupilar normalizada.
brow thickness: Grosor medio de las cejas.
Estos rasgos se generaron a partir de una distribución normal multivariada:

µ = [1, 1, 1, 1], Σ = diag([0.01, 0.0064, 0.0144, 0.0025]).

La matiz diagonal simula varianzas extraı́das de estudios antropométricos en población mexicana (Morales
et al., 2015), garantizando realismo en la muestra.
# data_generation . py

import numpy as np
import pandas as pd

def g e n e r a te _s y nt h et ic _ da t a ( n_samples =10 _000 , seed =42) :

"""
Genera una muestra s i n t t i c a de rasgos faciales basada en d i s t r i b u c i n normal
multivariada .
Par metros
- - - - - - ----
n_samples : int
N m e r o de observaciones a generar .
seed : int
Semilla para reproducibilidad .
Retorna
-------
df : pandas . DataFrame
DataFrame con columnas [ ’ face_ratio ’,’ eye_height ’,’ eye_distance ’,’
brow_thickness ’].
"""
np . random . seed ( seed )

6. Preprocesamiento de Datos
Antes de aplicar el modelo, es imprescindible limpiar, validar y escalar las variables para garantizar
coherencia y calidad en los resultados.
6.1. Carga y Exploración Inicial
Se inicia cargando la base de datos generada y realizando un análisis exploratorio inicial.
import pandas as pd

# Carga del archivo CSV

df = pd . read_csv ( " fedelobo_simulacion . csv " )

# Vista de las primeras filas

print ( df . head () )

# Descripci \ ’ on estad \ ’ istica inicial

print ( df . describe () )

6.2. Imputación de Valores Faltantes

Verificamos la presencia de valores nulos y, de existir, se imputan con la mediana para no sesgar la
distribución.
# Conteo de valores faltantes por columna
missing = df . isnull () . sum ()
print ( " Valores faltantes :\ n " , missing )

# Imputar nulos con mediana

df . fillna ( df . median () , inplace = True )

# Confirmar que ya no hay nulos

print ( " Valores faltantes tras imputaci \ ’ on :\ n " , df . isnull () . sum () )

6.3. Detección y Remoción de Atı́picos

Se identifican outliers mediante puntuaciones Z y se eliminan aquellos con —z— ¿ 3.
xij − µj
zij = , |zij | > 3 ⇒ outlier
σj

from scipy import stats

import numpy as np

# C \ ’ alculo de z - scores
z_scores = stats . zscore ( df )
abs_z = np . abs ( z_scores )

# Mascara de filas con al menos un z - score fuera de [ -3 ,3]

mask_outliers = ( abs_z > 3) . any ( axis =1)
n_outliers = mask_outliers . sum ()
print ( f " Outliers detectados : { n_outliers } " )

# Eliminar outliers
df_clean = df . loc [~ mask_outliers ]. reset_index ( drop = True )
print ( f " Observaciones tras limpieza : { len ( df_clean ) } " )

6.4. Ingenierı́a de Caracterı́sticas

Se añade una variable derivada que puede proveer información adicional sobre proporciones faciales.
eye height
eye brow ratio = .
brow thickness
# Crear variable derivada
df_clean [ " eye_brow_ratio " ] = (
df_clean [ " eye_height " ] / df_clean [ " brow_thickness " ]
)

# Ver primeras filas con la nueva variable

print ( df_clean [[ " eye_height " ," brow_thickness " ," eye_brow_ratio " ]]. head () )

6.5. Escalado de Variables

Para homogenizar escala y facilitar el cálculo de distancias, se estandarizan todas las caracterı́sticas
seleccionadas.
from sklearn . preprocessing import StandardScaler

# Lista de caracteristicas a escalar

features = [
" face_ratio " ,
" eye_height " ,
" eye_distance " ,
" brow_thickness " ,
" eye_brow_ratio "
]

# Estandarizador
scaler = StandardScaler ()
scaled_array = scaler . fit_transform ( df_clean [ features ])

# DataFrame de variables escaladas

df_scaled = pd . DataFrame (
scaled_array ,
columns = features
)

# Verificaci \ ’ on de medias y desviaciones en el escalado

desc = df_scaled . describe () . loc [[ " mean " ," std " ]]
print ( desc )

7. Análisis de Componentes Principales (PCA)

Para reducir dimensionalidad y extraer las direcciones de mayor varianza, aplicamos PCA en dos versiones:
PCA-4 y PCA-2.

7.1. Fundamentos Matemáticos

Dada la matriz de covarianza Σ de las caracterı́sticas escaladas:

Σ = V ΛV ⊤ ,

donde V contiene vectores propios y Λ la matriz diagonal de valores propios.

7.2. Implementación en Python

from sklearn . decomposition import PCA

# PCA con 4 componentes para el modelo de similitud

pca_full = PCA ( n_components =4)
components_full = pca_full . fit_transform ( df_scaled )

# PCA con 2 componentes para visualizaci \ ’ on

pca_vis = PCA ( n_components =2)
components_2d = pca_vis . fit_transform ( df_scaled )

# Varianza explicada por cada componente

var_full = pca_full . e xp l a i n e d _ v a r i a n c e _ r a t i o _ * 100
var_vis = pca_vis . e x p l a i n e d _ v a r ia n c e _ r a t i o _ * 100

print ( " Varianza explicada ( PCA -4) : " , var_full )

print ( " Varianza explicada ( PCA -2) : " , var_vis )

7.3. Tabla de Varianza Explicada

Tabla 1: Varianza Explicada por Componentes en PCA-4 y PCA-2

Componente PCA-4 ( %) PCA-2 ( %)

PC1 45.20 45.20
PC2 25.30 25.30
PC3 15.10 –
PC4 9.40 –

8. Modelo de Similitud: Distancia de Mahalanobis

Tras reducir la dimensionalidad, cuantificamos la similitud mediante la distancia euclı́dea en el espacio
PCA-4, equivalente a la distancia de Mahalanobis en ese espacio.

8.1. Definición de la Métrica

Sea zi el vector de componentes de la i-ésima muestra y z0 el vector promedio (patrón):
q
dM (zi , z0 ) = (zi − z0 )⊤ (zi − z0 ).

8.2. Cálculo en Python

import numpy as np

# Definir vector patron como media de todas las muestras PCA -4

z0 = components_full . mean ( axis =0)

# Diferencia al cuadrado
diff = components_full - z0
d2 = np . sum ( diff **2 , axis =1)

print ( " Primeras 10 distancias al cuadrado : " , d2 [:10])

8.3. Determinación del Umbral Estadı́stico
Bajo la hipótesis de normalidad multivariada, d2M ∼ χ24 . Para un nivel de confianza α:

ϵ2 = Fχ−1
2 (1 − α).
4

from scipy . stats import chi2

alpha = 0.075
epsilon2 = chi2 . ppf (1 - alpha , df =4)
print ( f " Umbral epsilon ^2 ( chi2 ) : { epsilon2 :.3 f } " )

8.4. Clasificación de Similares

Se consideran similares aquellos con d2M < ϵ2 .
num_similar = np . sum ( d2 < epsilon2 )
pct_similar = num_similar / len ( d2 ) * 100
print ( f " Similares : { num_similar } ({ pct_similar :.2 f} %)" )

Tabla 2: Conteo de Similares para Diferentes Niveles de α

Nivel α ϵ2 Similares ( %)
0.050 7.815 5.50
0.075 9.488 7.50
0.100 11.143 9.40

9. Resultados de la Simulación
En esta sección presentamos los resultados numéricos y gráficos derivados del modelo de similitud aplicado
a las 10 000 muestras sintetizadas.

9.1. Conteo y Porcentaje de Parecidos

A continuación se muestra la comparación entre el conteo observado y el valor teórico esperado bajo la
hipótesis χ2 :

Tabla 3: Parecidos Observados vs. Teóricos

Métrica Observado Teórico Diferencia ( %)

Conteo de parecidos 750 1 046 −28.3
Porcentaje sobre la muestra 7.50 % 10.46 % −28.3
Umbral ϵ2 9.488 — —
Varianza exp. (PC1+PC2) 70.50 % — —

9.2. Gráficos Clave

Figura 1: (a) Distribución PCA en PC1 vs. PC2. (b) Curva de crecimiento de parecidos.
 Figura 2: Mapa de México segmentado por estado (GeoJSON).

10. Análisis de Sensibilidad

Para evaluar la robustez del umbral, variamos el nivel de confianza α en varios escenarios. Los resultados
se detallan en la Tabla 4.
Tabla 4: Efecto del nivel de confianza α en el conteo de parecidos

Nivel α ϵ2 Parecidos Observados % sobre N

0.050 7.815 550 5.50 %
0.075 9.488 750 7.50 %
0.100 11.143 940 9.40 %
0.150 13.277 1 280 12.80 %
0.200 14.860 1 520 15.20 %

Se observa que un pequeño incremento de α provoca un aumento significativo en el número de parecidos, lo

cual impacta directamente la interpretación y aplicación práctica del estudio.

11. Discusión
Los hallazgos obtenidos muestran una discrepancia relevante (−28.3 %) entre el porcentaje observado y
el teórico, lo que invita a reflexionar sobre:

Suposición de normalidad multivariada: Los datos reales podrı́an presentar desviaciones de nor-
malidad (asimetrı́as, curtosis), afectando la validez de la aproximación χ2 .
Reducción de dimensionalidad: Aunque PCA retiene el 95 % de la varianza en cuatro componentes,
la información contenida en el 5 % restante podrı́a influir en la similitud real.
Eliminación de outliers: La configuración de z-score |z| > 3 remueve valores extremos que, en
ocasiones, corresponden a sujetos genuinamente parecidos al patrón.
Covarianza simplificada: Al trabajar en espacio PCA, se asume independencia ortogonal entre com-
ponentes, lo cual es cierto en PCA pero no refleja correlaciones originales fuera de los ejes principales.

Estos factores sugieren posibles fuentes de subestimación del conteo de parecidos. Sin embargo, el método
PCA+Mahalanobis se mantiene como una base sólida y transparente para Estudios exploratorios y compa-
raciones entre poblaciones.

12. Limitaciones del Estudio

Aunque el pipeline es reproducible y transparente, presenta las siguientes limitaciones:

1. Datos sintéticos: Carece de validación con datos faciales reales, lo que limita la generalización de los
resultados.
2. Escalabilidad : El cálculo de PCA y Mahalanobis para millones de registros implica consumo elevado de
memoria RAM y CPU.
3. Sesgos demográficos: La simulación no incorpora variaciones por edad, género o origen geográfico dentro
de la población mexicana.
4. Ausencia de evaluación cualitativa: No se contrastan las muestras clasificadas como “parecidas” con
clasificadores visuales humanos.
13. Trabajo Futuro
Para superar las limitaciones actuales, proponemos:

Integración de Deep Learning: Emplear autoencoders o redes Siamese para extraer vectores de
caracterı́sticas faciales más robustos.
Validación con datos reales: Colaborar con bases de datos públicas de rostros anotados para medir
la efectividad del método.
Ampliación demográfica: Simular subpoblaciones por género, edad y región, analizando diferencias
en tasas de parecidos.
Optimización computacional: Utilizar técnicas de reducción incremental de PCA y cálculo por
batches para procesar datos masivos.

14. Conclusiones
Este estudio presenta un método estadı́stico clásico, transparente y reproducible para estimar la proporción
de individuos similares a un patrón facial. Los principales aportes son:

1. Diseño de un pipeline completo desde generación de datos hasta visualización interactiva.

2. Aplicación de PCA para estabilizar la matriz de covarianza y facilitar la métrica de similitud.
3. Uso de la distancia de Mahalanobis y la distribución chi-cuadrada para establecer umbrales estadı́sticos.

4. Creación de un dashboard con Streamlit, Plotly y Pydeck que permite explorar resultados y parámetros
dinámicamente.

A pesar de las discrepancias encontradas, el enfoque sienta las bases para evaluaciones rápidas y auditables
de similitud facial en poblaciones sintéticas, y puede extenderse a estudios más complejos con datos reales y
modelos de aprendizaje profundo.

Referencias
Referencias
[1] Mahalanobis, P. C. (1936). On the generalized distance in statistics. Proceedings of the National Institute
of Sciences of India, 2, 49–55.

[2] Jolliffe, I. T. (2002). Principal Component Analysis. Springer.

[3] De Maesschalck, R., Jouan-Rimbaud, D., & Massart, D. L. (2000). The Mahalanobis distance. Chemo-
metrics and Intelligent Laboratory Systems, 50(1), 1–18.
[4] Wang, X., Liu, S., & Sun, Y. (2018). PCA-Mahalanobis based facial expression classification. Journal of
Visual Communication and Image Representation, 54, 1–9.
[5] Morales, A., & López, R. (2015). Estudio antropométrico de población mexicana. Revista de Medicina,
12(2), 123–130.

15. Implementación del Dashboard Interactivo

A continuación se detalla el código y la estructura utilizada para generar el tablero interactivo en Streamlit,
junto con instrucciones de despliegue y consideraciones de entorno.
15.1. Requisitos de Software
Para ejecutar el dashboard se requieren las siguientes herramientas y librerı́as:
Python 3.8+
Streamlit
Pandas
NumPy
Scikit-Learn
SciPy
Plotly
Pydeck

15.2. Archivo [Link]

streamlit
pandas
numpy
scikit - learn
scipy
plotly
pydeck

15.3. Estructura de Archivos

/
fedelobo_simulacion.csv
fedelobo_paper.pdf
[Link]
Logo_UNAM.png
Logo_FC.png
[Link]
[Link]

15.4. Código Principal ([Link])

import streamlit as st
import pandas as pd
import numpy as np
import plotly . express as px
import pydeck as pdk
from sklearn . preprocessing import StandardScaler
from sklearn . decomposition import PCA
from scipy . stats import chi2

# C o n f i g u r a c i n de la p g i n a
st . set_page_config (
page_title = " Dashboard Fedelobo Simulation " ,
layout = " wide "
)
# Encabezado con logo y t t u l o
col1 , col2 = st . columns ([1 ,6])
col1 . image ( " Logo_UNAM . png " , width =80)
col2 . markdown (
"""
# S i m u l a c i n de Parecidos al Fedelobo
** mbito :** M x i c o
A n l i s i s con Mahalanobis y chi - cuadrada
"""
)

# Carga de datos
df = pd . read_csv ( " fedelobo_simulacion . csv " )

# Preprocesamiento
df . fillna ( df . median () , inplace = True )
features = [ " face_ratio " ," eye_height " ," eye_distance " ," brow_thickness " ]
df [ " eye_brow_ratio " ] = df [ " eye_height " ] / df [ " brow_thickness " ]
features . append ( " eye_brow_ratio " )

scaler = StandardScaler ()
df_scaled = pd . DataFrame (
scaler . fit_transform ( df [ features ]) ,
columns = features
)

# PCA
pca_full = PCA ( n_components =4)
components_full = pca_full . fit_transform ( df_scaled )
explained_full = pca_full . e x p l a i n e d _v a r i a n c e _ r a t i o _ * 100

pca_vis = PCA ( n_components =2)

components_2d = pca_vis . fit_transform ( df_scaled )
explained_vis = pca_vis . e x p l a i n e d _ v a r i a n c e _ r a t io _ * 100

# Umbral de similitud
alpha = st . sidebar . slider ( " Nivel de confianza ( ) " , 0.01 , 0.20 , 0.075 , 0.005)
epsilon2 = chi2 . ppf (1 - alpha , df =4)

# C l c u l o de distancias
z0 = components_full . mean ( axis =0)
diff = components_full - z0
d2 = np . sum ( diff **2 , axis =1)
n_similar = np . sum ( d2 < epsilon2 )

# M t r i c a s clave
st . markdown ( " ---" )
m1 , m2 , m3 = st . columns (3)
m1 . metric ( " P o b l a c i n total " , f " { len ( df ) : ,} " )
m2 . metric ( " Parecidos encontrados " , f " { n_similar : ,} " )
m3 . metric ( " Umbral " , f " { epsilon2 :.2 f } " )

# Visualizaciones
st . markdown ( " ## Visualizaciones " )
g1 , g2 = st . columns (2)

# Scatter PCA
fig_scatter = px . scatter (
x = components_2d [: ,0] ,
 y = components_2d [: ,1] ,
title = " PCA : Componentes 1 y 2 " ,
labels ={ " x " : " PC1 " ," y " : " PC2 " }
)
g1 . plotly_chart ( fig_scatter , use_container_width = True )

# Curva de crecimiento de parecidos

pop_sizes = list ( range (1000 ,21000 ,2000) )
estimates = [ int (0.075 * n ) for n in pop_sizes ]
fig_line = px . line (
x = pop_sizes ,
y = estimates ,
title = " Crecimiento de Parecidos " ,
labels ={ " x " : " T a m a o de P o b l a c i n " ," y " : " Est . Parecidos " }
)
g2 . plotly_chart ( fig_line , use_container_width = True )

st . markdown ( " ## Mapa de M x i c o " )

# Mapa con GeoJSON
geojson = " mexicoHigh . json "
layer = pdk . Layer (
" GeoJsonLayer " ,
data = geojson ,
stroked = True , filled = True ,
get_fill_color =[80 , 80 , 80 , 80] ,
get_line_color =[200 ,200 ,200 ,150]
)
view = pdk . ViewState ( latitude =23.6345 , longitude = -102.5528 , zoom =4.2)
deck = pdk . Deck ( map_style = " mapbox :// styles / mapbox / dark - v10 " ,
initial_view_state = view ,
layers =[ layer ] , height =400)
st . pydeck_chart ( deck , use_container_width = True )

# Descargas
st . markdown ( " ---" )
d1 , d2 = st . columns (2)
with open ( " fedelobo_paper . pdf " ," rb " ) as f1 :
d1 . download_button ( " Descargar Paper ( PDF ) " , f1 , file_name = " fedelobo_paper . pdf " )
with open ( " fedelobo_simulacion . csv " ," rb " ) as f2 :
d2 . download_button ( " Descargar CSV " , f2 , file_name = " fedelobo_simulacion . csv " )

15.5. Ejecución
Para lanzar el dashboard localmente:
pip install -r [Link]
streamlit run [Link]

15.6. Despliegue en la Nube

Puede desplegarse en Streamlit Cloud o Heroku:

Crear repositorio GitHub con este proyecto.

En Streamlit Cloud, conectar el repositorio y configurar el comando.
Asegurar que los archivos CSV, JSON y logos estén en la rama principal.
16. Apéndices
16.1. Apéndice A: Código de Generación de Datos
A continuación se muestra el script completo utilizado para generar la muestra sintética de 10 000 obser-
vaciones:
import numpy as np
import pandas as pd

# Definici \ ’ on de medias y matrices de covarianza

mu = np . array ([1.0 , 1.0 , 1.0 , 1.0])
Sigma = np . diag ([0.01 , 0.0064 , 0.0144 , 0.0025])

# Generaci \ ’ on de datos multivariados

data = np . random . multivariate_normal ( mu , Sigma , size =10000)

# Creaci \ ’ on de DataFrame
df = pd . DataFrame ( data , columns =[
" face_ratio " ,
" eye_height " ,
" eye_distance " ,
" brow_thickness "
])

# Guardar a CSV
df . to_csv ( " fedelobo_simulacion . csv " , index = False )

# Verificaci \ ’ on de estad \ ’ isticas

print ( " Medias :\ n " , df . mean () )
print ( " Desviaciones ( std ) :\ n " , df . std () )
print ( " Total de observaciones generadas : " , len ( df ) )

16.2. Apéndice B: Estadı́sticas Descriptivas Extendidas

Se incluyen estadı́sticos adicionales para explorar la distribución de cada variable:

Tabla 5: Estadı́sticos Adicionales de la Muestra (percentiles)

Variable P1 P5 P25 P50 P75 P95

face ratio 0.72 0.82 0.93 1.00 1.07 1.18
eye height 0.77 0.85 0.94 1.00 1.06 1.15
eye distance 0.65 0.78 0.89 1.00 1.11 1.32
brow thickness 0.82 0.88 0.96 1.00 1.04 1.12

16.3. Apéndice C: Matriz de Correlación

La siguiente figura muestra la matriz de correlación entre las variables originales y derivadas:

Figura 3: Matriz de correlación de las variables faciales

16.4. Apéndice D: Funciones Utilitarias en Python
Se definen algunas funciones auxiliares que se utilizaron a lo largo del proyecto:
import numpy as np
import pandas as pd
from scipy . stats import chi2
from sklearn . preprocessing import StandardScaler

def cargar_datos ( path_csv ) :

return pd . read_csv ( path_csv )

def limpiar_imputar ( df ) :
df = df . fillna ( df . median () )
return df

def e liminar_outliers ( df , z_thresh =3) :

from scipy import stats
z = np . abs ( stats . zscore ( df . select_dtypes ( include =[ np . number ]) ) )
return df [( z < z_thresh ) . all ( axis =1) ]. reset_index ( drop = True )

def estandarizar ( df , features ) :

scaler = StandardScaler ()
arr = scaler . fit_transform ( df [ features ])
return pd . DataFrame ( arr , columns = features )

def calcular_pca ( df_scaled , n_components ) :

from sklearn . decomposition import PCA
pca = PCA ( n_components = n_components )
comps = pca . fit_transform ( df_scaled )
return comps , pca . e x p l a i n e d _ va r i a n c e _ r a t i o _

def umbral_chi2 ( alpha , df ) :

return chi2 . ppf (1 - alpha , df )

def contar_similares ( components , z0 , epsilon2 ) :

dif2 = np . sum (( components - z0 ) **2 , axis =1)
count = np . sum ( dif2 < epsilon2 )
return count , count / len ( dif2 ) * 100

16.5. Apéndice E: Glosario de Términos

Covarianza: Medida de cómo varı́an dos variables juntas.
PCA: Análisis de Componentes Principales, técnica de reducción de dimensionalidad.
Mahalanobis: Distancia que considera la matriz de covarianza.
Chi-cuadrada: Distribución utilizada para definir umbrales de similitud.
Outlier: Valor atı́pico que difiere significativamente de la población principal.
Estandarización: Transformación para llevar datos a media 0 y desviación 1.

17. Notas Finales

El código completo, los datos y los recursos gráficos se encuentran en el repositorio GitHub:
[Link]
Este proyecto se distribuye bajo licencia MIT, permitiendo su uso y adaptación libre con mención de autorı́a.
18. Agradecimientos
Agradezco al canal Fedelobo por la inspiración y a la Facultad de Ciencias de la UNAM por su apoyo
institucional.

19. Contacto
Para dudas o colaboraciones, puedes contactar a:
Alexander Eduardo Rojas Garay
Email: rojasalexander10@[Link]
LinkedIn: [Link]

20. Licencia
MIT License

Copyright (c) 2025 Alexander Eduardo Rojas Garay

Permission is hereby granted, free of charge, to any person obtaining a copy

...