13 lecciones • 5 horas
Curso teórico-práctico donde veremos los Fundamentos de la Estadística Inferencial necesarios para posteriormente aplicar diferentes pruebas estadísticas para interpretar los datos en nuestros proyectos de Ciencia de Datos y Machine Learning.
Al finalizar el curso habrás aprendido
- Qué es el muestreo y por qué es un elemento que siempre estará presente al momento de procesar datos en Ciencia de Datos y Machine Learning
- Los diferentes tipos de muestreo que existen y cómo estos pueden generar efectos indeseados al momento de analizar los datos
- Cómo cuantificar la incertidumbre que introduce el muestreo al momento de analizar nuestros datos
- Qué son las pruebas de hipótesis y cuáles son las principales pruebas de interés en Ciencia de Datos y Machine Learning
- Los conceptos necesarios que forman la base de cualquier prueba de hipótesis que queramos aplicar a nuestros datos
Requisitos
- Se sugiere haber tomado el primer curso de esta serie: Estadística Descriptiva
- Se sugiere tener conocimientos básicos de de programación en Python y de librerías para el procesamiento de datos tabulares y para la visualización de datos (como Pandas y Matplotlib, cursos también disponibles acá en la Academia Online)
Contenido
MÓDULO 1: MUESTREO Y DISTRIBUCIONES MUESTRALES
1 – El muestreo y tipos de muestreo
4 – El Teorema del Límite Central
6 – Los intervalos de confianza
7 – La técnica del «bootstrapping»
MÓDULO 2: INTRODUCCIÓN A LAS PRUEBAS DE HIPÓTESIS
8 – Hipótesis y pruebas de hipótesis
9 – Significancia estadística y el valor p
12 – Pasos a seguir para aplicar una prueba de hipótesis
13 – Panorama general de las principales pruebas de hipótesis
