画像をスクラッチして、コースの割引を手に入れよう。支払い時にクーポンを適用できます。
263
Bienvenidos al Curso de Inferencia Estadística
Cómo sacarle el máximo partido al curso
Frogames Formaciónでリアルタイムにコースのノートを取る
El Repositorio GitHub del Curso
Cómo instalar R y RStudio
Introducción al muestreo
Muestreo aleatorio con reposición
Muestreo aleatorio sin reposición
Muestreo sistemático
Muestreo estratificado
Muestreo por conglomerados
Muestreo polietápico
Funciones de muestreo en Python
Cuestionario muestreo
Estadísticos
Definiciones formales usando variables aleatorias
La media muestral
Poblaciones Normales
Ejercicio: calcular el error estándar de la media
Problemas de estimación parte 1
Soluciones problemas estimación parte 1
La proporción muestral
La varianza y desviación típica muestral
Estimadores insesgados
Estimadores eficientes
El problema de los tanques alemanes
Estimadores máximo-verosímiles
Ejercicio: El estimador máximo verosímil de la lambda de una Poisson
Ejercicio: El estimador máximo verosímil de la varianza de una Normal
Ejercicio: El estimador máximo verosímil de la proporción de una Geométrica
Ejercicio: El estimador máximo verosímil de la proporción de una Binomial
Problemas de estimación parte 2
Soluciones problemas estimación parte 2
Ejercicio: Estimador del extremo superior de una variable uniforme
Ejercicio: ¿Cuántos libros hay en esta biblioteca?
Ejercicio: estudiar la consistencia y eficiencia de dos estimadores
Ejercicio (continuación)
Marca y recaptura
El paquete fitdistr de R
Estimación con scipy.stats en Python
Ejercicio: Un estimador consistente para la varianza
Ejercicio: media y varianza para normales con los mismos parámetros
Ejercicio: estimación de los parámetros de una distribución Rayleigh
Ejercicio: Estimadores de la media y varianza para normales independientes
Soluciones problemas estimación parte 3
Cuestionario de estimación
El concepto de Intervalo de confianza
Intervalo de confianza para la media poblacional con desviación típica conocida
Interpretación y simulación de los intervalos de confianza
Ejemplos de cálculo de intervalos de confianza
Amplitud y error máximo cometido
Intervalo de confianza para media poblacional con desviación típica desconocida
Ejemplos de cálculo de intervalos de confianza
Intervalos de confianza para poblaciones normales con n grande
Amplitud y muestra piloto
La distribución t de Student en R
Un experimento sobre la confianza
Método exacto de Clopper-Pearson para el intervalo de confianza de la proporción
Amplitud del intervalo de confianza para la proporción
Métodos aproximados para grandes poblaciones
Intervalo de confianza para la varianza de una población normal
Ejercicio: Cálculos para hallar un intervalo de confianza concreto
La función varTest del paquete EnvStats
Bootstrap o remuestreo
Problemas propuestos de intervalos parte 1
Soluciones problemas de intervalos de confianza parte 1
Problemas propuestos intervalos parte 2
Soluciones problemas de intervalos de confianza parte 2
Soluciones problemas de intervalos parte 2
Ejercicio: intervalo de confianza para la confiabilidad de ruptura del hilo
Repaso de estimación e intervalos con R y la importancia de los informes
Repaso de estimación puntual en Python
Intervalos de confianza con Python
El teorema central del límite y la interpretación de los intervalos de confianza
La necesidad de contrastar afirmaciones
Tipos de hipótesis alternativas
Tipos de errores
Intervalo de confianza para μ en poblaciones normales con σ conocida
Intervalos unilaterales vs bilaterales
El p-valor de un contraste de hipótesis
Metodología para hacer un contraste de hipótesis
Contrastes de hipótesis para μ de una normal con σ desconocida: Z-test
Problemas contrastes de hipótesis parte 1
Soluciones problemas de contrastes de hipótesis parte 1
Contrastes de hipótesis para μ de una normal con σ desconocida: T-test
Contrastes en R: función t.test
Contrastes de hipótesis para el parámetro p de una variable de Bernoulli
Contrastes para proporciones en R
Contrastes para proporciones cuando n es grande
Ejercicio: porcentaje de clientes interesados en un artículo
Contrastes para σ de una distribución normal: χ2-test
Contrastes de hipótesis para dos muestras
Contrastes para dos medias poblacionales independientes μ1 y μ2
Más sobre la función t.test de R
Ejercicio: Determinar cual es la hipótesis alternativa
Ejercicio: Demostración del intervalo de confianza para la diferencia de medias
Ejercicio: Error de tipo I y de tipo II en experimentos de Bernoulli
Ejercicio: Contrastando el parámetro de una uniforme
Contrastes para dos proporciones p1 y p2
Test de Fisher en R
Introducción a las odds
Contraste para dos proporciones: muestras grandes
Contrastes de dos muestras más generales
Contrastes para dos varianzas
Contrastes para varianzas en R
Muestras emparejadas
Contrastes para medias emparejadas en R. El test t
Ficheros adicionales para la siguiente tarea
Problemas contrastes de hipótesis parte 2
Soluciones problemas de contrastes de hipótesis parte 2
Contrastes de proporciones de muestras emparejadas
Contrastes para proporciones de muestras emparejadas en R
Contrastes de hipótesis para la proporción en Python
Contrastes para proporciones con binom.test
Contrastes de hipótesis para la media en Python
Problemas contrastes de hipótesis parte 3
Soluciones problemas de contrastes de hipótesis parte 3
La librería scipy y sus tests en Python
Ejercicio: entendiendo los contrastes con diferentes ejemplos
Analizando los errores de tipo 1 y errores de tipo 2
Cuestionario final contrastes de hipótesis
Las reglas de decisión en los contrastes de hipótesis
Los errores tipo 1 y tipo 2
La regla de decisión de Neyman Pearson
Las Curvas ROC
El área bajo la curva ROC
Las curvas Precision-Recall
Curvas ROC en R y en Python
Contrastes paramétricos vs contrastes no paramétricos
Pruebas Gráficas: histogramas y qqplots
El test chi cuadrado de Pearson
El test chi cuadrado en R
Cómo comprobar si unos datos se distribuyen según una normal
Test de la chi cuadrado de Pearson con parámetros desconocidos
Ejercicio: el atleta universitario
Ejercicio: los coches en el aparcamiento del supermercado
Ejercicio: el número de muertos en las carreteras españolas
El test de Kolmogorov-Smirnov
Ejercicio: el tiempo de vida de un componente electrónico
Ejercicio: como elegir el precio razonable de un producto de hogar
Ejercicio: el tiempo transcurrido entre dos vuelos reservados
El test de normalidad de Kolmogorov-Smirnov-Lilliefors
El test de normalidad de Anderson-Darling
Test de Shapiro-Wilks
Test omnibus d'Agostino-Pearson
Test chi cuadrado de Pearson para bondad de ajuste en Python
Otra forma de implementar el test de la chi cuadrado en Python
Los test de normalidad en Python
Más sobre la librería scipy y su correcto uso
Cuestionario bondad de ajuste
Problemas de bondad de ajuste
Soluciones problemas de bondad de ajuste
¿Reducen las vacunas el riesgo de enfermar?
El test chi cuadrado de independencia
Las tablas de contingencia
Ejemplos de contrastes de independencia
Ejercicio: ¿son independientes fumar y morir de cancer?
Contrastes de independencia en R
El contraste con el p-valor simulado
Ejercicio: estimadores máximo verosímiles en contrastes de independencia
Contrastes de homogeneidad
La importancia del diseño experimental
Los contrastes de independencia y homogeneidad en Python
Cuestionario de contrastes de independencia y homogeneidad
Problemas de independencia y homogeneidad
Soluciones problemas de independencia y homogeneidad
El análisis de la varianza entre subpoblaciones
El almacenamiento de los datos para el ANOVA de un factor
Las sumas de los cuadrados totales, de los tratamientos y de los errores
Los estadísticos de contraste para el ANOVA
Ejercicio: El efecto del alcohol en el cálculo de sumas
Ejercicio resuelto: El efecto del alcohol en el cálculo de sumas
Comparaciones por parejas - Test de Bonferroni
Comparaciones por parejas - Test de Holm
Comparaciones por parejas - Test de Duncan y de Tukey
Efecto de la luz ambiental en el cultivo de patatas
Ejercicio resuelto: Efecto de la luz ambiental en el cultivo de patatas
ANOVA de efectos aleatorios
Cómo comprobar las condiciones del ANOVA
Los tests de homocedasticidad en R
Ejercicio: los retrasos en los vuelos de dos compañías aéreas
Bloques completos aleatorios
Estadísticos del ANOVA por bloques
Identidad de la suma de cuadrados
Los estadísticos de contraste
ANOVA por bloques en R
Eficiencia relativa en la construcción de los bloques
Ejercicio: La eficacia de los fertilizantes
Ejercicio resuelto: La eficacia de los fertilizantes
ANOVA de dos vías
Estadísticos del ANOVA de dos vías
Identidad de la suma de cuadrados
Los estadísticos de contraste
ANOVA de dos vías en R
Los gráficos de interacción en R
El resumen en la Guía Rápida
Cuestionario de ANOVA
El ANOVA de una vía en Python
Comparación por parejas y el test de Tukey en Python
Cómo comprobar la normalidad y la homocedasticidad en Python
Cuestionario práctico ANOVA
Ejercicio: Cómo medir la cantidad de oxigeno de las especies marinas en diferentes mares
Ejercicio resuelto: Cómo medir la cantidad de oxigeno de las especies marinas en diferentes mares
Ejercicios finales de ANOVA
Soluciones ejercicios análisis de la varianza
Solución problemas de ANOVA
El problema de la regresión lineal simple
La técnica de los mínimos cuadrados
Función lm en R y propiedades de la recta de regresión lineal
Coeficiente de determinación
Errores típicos de novato: el cuarteto de Anscombe
Intervalos de confianza en la regresión lineal
Contraste de hipótesis para la pendiente ß1
El modelo de regresión lineal múltiple
Estimación de los parámetros por mínimos cuadrados
Propiedades de la función de regresión y coeficiente de determinación
Comparación de modelos: coeficiente de determinación ajustado, AIC y BIC
Intervalos de confianza para los coeficientes de la regresión lineal múltiple
Contraste de hipótesis para los parámetros ßi
Homocedasticidad de los errores con el test de White
Homocedasticidad de los errores con el test de Breusch-Pagan
Normalidad de los residuos
Correlación de los residuos
Aditividad y linealidad de las variables
Outliers, leverage y observaciones influyentes
La función step y la simplificación de los modelos
El resumen de toda la regresión lineal
Cómo hacer un modelo lineal en Python
El análisis de los residuos y el RMSE como métrica entre modelos
El análisis de outliers en Python
La regresión polinómica y por donde seguir estudiando acerca de la regresión
Overfitting o sobreajuste
La regresión lineal múltiple en Python
Ejercicios de regresión lineal
Soluciones ejercicios de regresión lineal
Introducción taller 12 problemas resueltos
Problema 1: Contraste de parámetros de dos muestras
Problemas 2: Contraste de dos muestras
Problemas 3: Bondad de ajuste: La ley de Bendford
Introducción al clustering
El algoritmo de los k-means
El algoritmo paso a paso
Las limitaciones de k-means
El método del codo para determinar el número de clusters
k-means en R
k-means en Python (del curso de Machine Learning de la A a la Z)
El clustering jerárquico y las distancias
Distancias en datos binarios
Distancias en datos continuos
Distancias en R
Escalado de variables
Clustering jerárquico aglomerativo
El algoritmo paso a paso
Clustering jerárquico aglomerativo en R
Cómo dibujar un dendrograma
Cómo hallar los clusters definidos por un cluster jerárquico
Propiedades del clustering jerárquico
Un resumen final de clustering
Ficheros adicionales para la tarea siguiente
Ejercicios de clustering
Soluciones de los ejercicios de clustering
Trabajo Final de Curso
Enhorabuena por completar el curso
(20)
目標とニーズに合わせたアクセスプラン
購入する 個別コース, すべてを手に入れよう 学習パス または次へアクセス プラットフォーム全体
コースごとの一括払い、学習パスへの月額または年額アクセス、さらにはプラットフォーム全体へのアクセスなど、ニーズと予算に最も適した支払い方法をお選びください。
一括払い
一度購入すれば無期限でアクセス可能
€ 59.99
- 一回限りの支払い。
- コースへの無期限の即時アクセス。
- Accede a la Comunidad del Curso
El Más
人気
人気
ブロンズカエル
Accede a todos los Cursos, Comunidades y Extras de Frogames
€ 39 /月
- Pago único de 39€ al mes.
- すべてのコースへ今すぐアクセス。
- Accede a la plataforma y las comunidades de alumnos 24/7, dónde y cuándo quieras.
- Cancela en cualquier momento sin perder tu progreso.
Ruta de Matemáticas
Accede a todos los Cursos de la Ruta de Matemáticas Avanzadas
€ 19.99 /月
- Pago único de 19.99€ al mes.
- Acceso instantáneo a los +10 cursos de la ruta.
- Accede a la ruta 24/7, dónde y cuándo quieras
- 進捗を失うことなくいつでもキャンセル可能
一回払い
一度購入すれば無期限でアクセス可能
€ 59.99
- 一括払い
- コースへの無期限の即時アクセス
- Accede a la Comunidad del Curso
El Más
高評価
高評価
ゴールドフロッグ
Accede a todos los Cursos, Comunidades y Extras de Frogames
€ 349 /年
- Pago único de 349€ cada año.
- 3 meses de descuento.
- すべてのコースへ今すぐアクセス。
- Accede a la plataforma y las comunidades de alumnos 24/7, dónde y cuándo quieras.
- Cancela en cualquier momento sin perder tu progreso.
- リソースライブラリ
- 月例Q&Aライブ
- プレミアム優先サポート。
Ruta de Matemáticas
Accede a todos los Cursos de la Ruta de Matemáticas Avanzadas
€ 199 /年
- Pago único de 199€ cada año.
- 4 meses de descuento.
- Acceso instantáneo a los +10 cursos de la ruta.
- Accede a la ruta 24/7, dónde y cuándo quieras.
- Cancela en cualquier momento sin perder tu progreso.
- Soporte premium.
* すべての価格には税金が含まれています。
お客様の安全のため、すべての注文は安全なサーバーで処理されます。
Ruta de Matemáticas Avanzadas
El pack definitivo con todos nuestros cursos de Matemáticas Avanzadas para dominar las matemáticas y sus aplicaciones prácticas sin pisar la universidad. Incluye los cursos que están por venir y las actualizaciones y mejoras de los actuales
Javi
Explicado para humanos, ¡por fin!
Pensé que me iba a doler la cabeza con tanta teoría, pero para nada. Lograron que un tema que suena súper intimidante se sienta como un juego de lógica bastante entretenido. Sales con esa sensación bonita de "¡ah, ya entiendo para qué sirve todo esto!" y con muchas ganas de seguir practicando en la computadora.
Giovanni
Un puente perfecto hacia el Big Data
Sinceramente, me ha servido muchísimo para entender cómo se toman decisiones basadas en datos dentro de proyectos de Machine Learning, y las explicaciones son tan claras que incluso los temas más densos se vuelven digeribles desde el primer minuto.
Nieves
Esto me enseñó a no sacar conclusiones a lo loco
Ya sabía programar, ya sabía usar modelos… pero no sabía cuándo confiar en los resultados.
Gustavo
Estadística Inferencial para Machine Learning y Big Data con R y Python: Toma Decisiones con Precisión Matemática
En el mundo del Machine Learning y Big Data, no basta con observar datos: hay que inferir, validar y predecir. Este curso te enseña a aplicar los principios de la estadística inferencial usando RStudio y Python, para que puedas construir modelos confiables, evaluar hipótesis y tomar decisiones basadas en evidencia.
danison
Este curso es una herramienta indispensable
Este curso me dio una base sólida en estadística inferencial aplicada con R y Python. Aprendí a analizar datos y tomar decisiones basadas en evidencia, algo esencial en el mundo del Data Science.
Carlos
Machine Learning y Bid Data posible de aprender
El curso de Estadística inferencial para Machine Learning y Big Data con R y Python fue excelente. ¡La manera en que explican los conceptos y brindan ejemplos prácticos me ayudó mucho a comprender estos temas complejos! Además, tanto R como Python son herramientas muy útiles para aplicar estos conocimientos, por lo que pude aprender a usarlas mientras dominaba la estadística inferencial. ¡Definitivamente lo recomiendo!
María
El complemento perfecto para mis modelos predictivos
La estadística inferencial siempre me costó… hasta que tomé este curso. Las explicaciones son tan claras, y los ejemplos con R y Python me ayudaron a ver cómo aplicar lo aprendido directamente en mis proyectos de Machine Learning. Ahora analizo resultados con mucha más confianza y criterio.
Jorge
Esenciales para el mundo real
Todo lo que aprendí sobre estadística aplicada me ha dado mucha más confianza para afrontar proyectos grandes. Es de esos cursos que, aunque parecen intensos, te dejan una satisfacción enorme al ver todo lo que puedes lograr.
Yvonne
Excelente curso de Estadística inferencial para Machine Learning y Big Data con R y Python
Excelentes puntos de vistas de los temas a tratar, muy buena explicacion
Santiago
Es una buena continuación del curso de Estadística Descriptiva. Además, puedes elegir si completarlo con R, Python o ambos. Muy buen curso
Nicolás
excelente para dejar de suponer y empezar a demostrar
Jackeline
Muy buen curso
Me encanta que lo combinen con R y Python
Rosa
.
Lo recomiendo
Angel
Domina los fundamentos estadísticos que permiten validar modelos, estimar parámetros y tomar decisiones inteligentes con datos masivos
Este curso está diseñado para enseñarte cómo aplicar la estadística inferencial en contextos reales de Machine Learning y Big Data, utilizando R y Python como lenguajes principales. Aprenderás a extraer conclusiones confiables a partir de muestras, validar hipótesis y mejorar la precisión de tus modelos predictivos.
Gabriela
Ahora veo las cosas con otra perspectiva. ¡Lo maximo!
La estadistica inferencial para machine learning es brutal! siempre me senti intimidado por los datos grandes pero este curso me dio la confianza necesaria para trabajar con ellos.
Samuel
100% recomendable
Nunca pensé que disfrutaría tanto de la estadística. el curso te lleva de la mano y hace que los datos cobren sentido
Joiser
gran curso de estadistica inferencial
Gran curso, bueno y muy buena la interacción con los profesores
Marc
Buena explicación
Me ha parecido muy buen curso, me gusto como va poco a poco y el que los vídeos sean tan claros, ayudo mucho
Jorge Agustin
Muy bueno
Muy bueno el curso y los temas enseñados por el precio que pagué esta mas que bien, solo me gustaría aclarar que el 80% de los temas se explican con R y solo el 20% con python, por lo que si se quieren hacer las cosas con python hay que investigar casi todo por uno mismo.
BORJA
Excelente
Curso muy completo y muy bien explicado.