Gratte l'image pour obtenir une réduction sur ton cours. Tu pourras appliquer le coupon au moment du paiement.
263
Bienvenidos al Curso de Inferencia Estadística
Cómo sacarle el máximo partido al curso
Toma notas de tu curso en tiempo real en Frogames Formación
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)
PLANS POUR ACCÉDER SELON TES OBJECTIFS ET TES BESOINS
Achète le cours individuel, obtiens tout le parcours d'apprentissage ou accède à toute la plateforme
Choisis le mode de paiement qui s'adapte le mieux à tes besoins et à ton budget : paiement unique par cours, accès mensuel ou annuel au Parcours d'apprentissage ou même à toute la plateforme.
Paiement unique
Achète le cours une fois et accède à vie
€ 59.99
- Un seul paiement.
- Accès instantané au cours à vie.
- Accès à la Communauté du Parcours
El Más
Popular
Popular
Grenouille de Bronze
Accède à tous les Parcours, Communautés et Extras de Frogames
€ 39 /mois
- Paiement unique de 39€ par mois.
- Accès instantané à tous les cours.
- Accède à la plateforme et aux communautés d'élèves 24h/24 et 7j/7, où et quand tu veux.
- Annule à tout moment sans perdre ta progression.
Parcours de Mathématiques
Accède à tous les Cours du Parcours de Mathématiques Avancées
€ 19.99 /mois
- Paiement unique de 19.99€ par mois.
- Accès instantané aux +10 cours du parcours.
- Accède au Parcours 24/7, où et quand tu veux
- Annule à tout moment sans perdre ta progression
Paiement unique
Achète le cours une fois et accède à vie
€ 59.99
- Un seul paiement
- Accès instantané au cours à vie
- Accès à la Communauté du Parcours
El Más
Valorado
Valorado
Grenouille d'Or
Accède à tous les Parcours, Communautés et Extras de Frogames
€ 349 /an
- Paiement unique de 349€ chaque année.
- 3 mois de réduction.
- Accès instantané à tous les cours.
- Accède à la plateforme et aux communautés d'élèves 24h/24 et 7j/7, où et quand tu veux.
- Annule à tout moment sans perdre ta progression.
- Bibliothèque de Ressources
- Sessions de Q&A mensuelles en direct
- Support Premium Prioritaire.
Parcours de Mathématiques
Accède à tous les Cours du Parcours de Mathématiques Avancées
€ 199 /an
- Paiement unique de 199€ par an.
- 4 mois de réduction.
- Accès instantané aux +10 cours du parcours.
- Accède au Parcours 24/7, où et quand tu veux.
- Annule à tout moment sans perdre ta progression.
- Support premium.
* Tous les prix incluent les taxes.
Pour ta sécurité, toutes les commandes seront traitées sur un serveur sécurisé.
Parcours de Mathématiques Avancées
Le pack ultime avec tous nos cours de Mathématiques Avancées pour maîtriser les maths et leurs applications pratiques sans mettre les pieds à l'université. Comprend les cours à venir et les mises à jour et améliorations des cours actuels
Javi
Expliqué pour les humains, enfin !
Je pensais que j'allais avoir mal à la tête avec toute cette théorie, mais pas du tout. Ils ont réussi à faire qu'un sujet qui semble super intimidant se sente comme un jeu de logique assez amusant. Tu sors avec cette belle sensation de « ah, je comprends enfin à quoi tout ça sert ! » et avec beaucoup d'envie de continuer à pratiquer sur l'ordinateur.
Giovanni
Un pont parfait vers le Big Data
Honnêtement, ça m'a beaucoup aidé à comprendre comment les décisions sont prises sur la base de données dans les projets de Machine Learning, et les explications sont tellement claires que même les sujets les plus denses deviennent compréhensibles dès la première minute.
Nieves
Cela m'a appris à ne pas tirer de conclusions à la légère
Je savais déjà programmer, je savais déjà utiliser des modèles… mais je ne savais pas quand faire confiance aux résultats.
Gustavo
Statistique Inférentielle pour Machine Learning et Big Data avec R et Python : Prends des Décisions avec Précision Mathématique
Dans le monde du Machine Learning et du Big Data, il ne suffit pas d'observer les données : il faut inférer, valider et prédire. Ce cours t'enseigne à appliquer les principes de la statistique inférentielle en utilisant RStudio et Python, pour que tu puisses construire des modèles fiables, évaluer des hypothèses et prendre des décisions basées sur des preuves.
danison
Ce cours est un outil indispensable
Ce cours m'a donné une base solide en statistique inférentielle appliquée avec R et Python. J'ai appris à analyser des données et à prendre des décisions basées sur des preuves, quelque chose d'essentiel dans le monde de la Data Science.
Carlos
Machine Learning et Big Data à portée de main
Le cours de Statistique inférentielle pour Machine Learning et Big Data avec R et Python a été excellent. La façon dont on explique les concepts et propose des exemples pratiques m'a beaucoup aidé à comprendre ces sujets complexes ! En plus, R et Python sont des outils vraiment utiles pour appliquer ces connaissances, donc j'ai pu apprendre à les utiliser en maîtrisant la statistique inférentielle. Je le recommande sans hésiter !
María
Le complément parfait pour mes modèles prédictifs
La statistique inférentielle m'a toujours posé des difficultés… jusqu'à ce que je suive ce cours. Les explications sont tellement claires, et les exemples avec R et Python m'ont aidé à voir comment appliquer ce que j'avais appris directement dans mes projets de Machine Learning. Maintenant, j'analyse les résultats avec beaucoup plus de confiance et de discernement.
Georges
Essentiels pour le monde réel
Tout ce que j'ai appris sur les statistiques appliquées m'a donné beaucoup plus de confiance pour affronter des projets de grande envergure. C'est l'un de ces cours qui, bien qu'ils paraissent intensifs, te laissent une immense satisfaction en voyant tout ce que tu peux accomplir.
Yvonne
Excellent cours de Statistique inférentielle pour le Machine Learning et le Big Data avec R et Python
Excellents points de vue sur les sujets à traiter, très bonne explication
Santiago
C'est une bonne continuation du cours de Statistiques Descriptives. De plus, tu peux choisir de le compléter avec R, Python ou les deux. Très bon cours
Nicolas
excellent pour arrêter de supposer et commencer à prouver
Jackeline
Très bon cours
J'adore qu'ils le combinent avec R et Python
Rosa
.
Je le recommande
Angel
Maîtrise les fondamentaux statistiques qui te permettent de valider des modèles, d'estimer des paramètres et de prendre des décisions intelligentes avec des données massives
Ce cours est conçu pour t'apprendre comment appliquer la statistique inférentielle dans des contextes réels de Machine Learning et Big Data, en utilisant R et Python comme langages principaux. Tu apprendras à extraire des conclusions fiables à partir d'échantillons, valider des hypothèses et améliorer la précision de tes modèles prédictifs.
Gabriela
Je vois maintenant les choses sous un autre angle. C'est génial !
Les statistiques inférentielles pour le machine learning, c'est dingue ! J'ai toujours eu peur des gros volumes de données, mais ce cours m'a donné la confiance nécessaire pour travailler avec eux.
Samuel
100% recommandé
Je n'aurais jamais pensé que j'apprécierais autant les statistiques. Le cours te guide pas à pas et fait que les données prennent sens
Joiser
grand cours de statistique inférentielle
Grand cours, bon et très bonne l'interaction avec les professeurs
Marc
Bonne explication
J'ai trouvé que c'était un très bon cours, j'ai aimé comment il progresse petit à petit et le fait que les vidéos soient si claires, ça a beaucoup aidé
Jorge Agustin
Très bon
Le cours est très bon et les sujets enseignés sont excellents pour le prix que j'ai payé, c'est plus que correct. Je voudrais seulement clarifier que 80% des sujets sont expliqués avec R et seulement 20% avec Python, donc si on veut faire les choses avec Python, il faut presque tout investiguer soi-même.
BORJA
Excellent
Cours très complet et très bien expliqué.