Categorizar una variable continua con el método de cortes naturales Jenks

26/8/2026

procesamiento de datos estadística limpieza de datos

El método de cortes naturales de Jenks se usa para categorizar variables contínuas en variables ordinales; es decir, pasar de una variable numérica a la cantidad de categorías discretas que necesitemos.

El método Jenks busca maximizar varianza entre clases, y minimizar varianza dentro de las clases. La gracia de Jenks es que resalta los saltos inherentes a los datos, y por lo tanto los cortes que ofrece suelen tener más sentido que cortes arbitrarios o regulares en datos continuos.

En R base se implementa con la función classIntervals(..., style = "jenks"), pero el paquete {BAMMtools} ofrece una implementación en C mucho más eficiente: getJenksBreaks().

Primero creemos datos de prueba, una distribucion de densidad beta:

library(dplyr)

datos <- tibble(
  valores = rbeta(1000, 5, 2)
  )

Ahora mirémoslos en un gráfico simple:

library(ggplot2)

datos |> 
  ggplot() +
  aes(x = valores) +
  geom_histogram(bins = 200)

Ahora usamos getJenksBreaks() para crear n cortes en los datos, a partir de los cuales podremos crear n-1 grupos o categorías. Probemos, como ejemplo, con 5 cortes:

library(BAMMtools)

cortes <- getJenksBreaks(datos$valores, 5)

cortes

[1] 0.1726055 0.5182463 0.6863508 0.8269625 0.9948571

Aplicamos los cortes a los datos con la función cut(), que corta variables numéricas continuas en los puntos indicados; en este caso, los cortes obtenidos con el método Jenks:

datos_categoricos <- datos |> 
  mutate(
    categoria = cut(
      valores, # variable a cortar
      labels = 1:4, # nombres de los cortes resultantes
      breaks = cortes, # vector con los cortes
      include.lowest = T
    )
  )

Ahora visualicemos el resultado:

datos_categoricos |> 
  ggplot() +
  aes(x = valores, fill = categoria) +
  geom_histogram(bins = 200, alpha = 0.7) +
  scale_fill_discrete(palette = "Dark2")