Lección 13 del curso Estadística Inferencial Fundamentos.
En la lección anterior vimos una serie de pasos que sugiero seguir para realizar una prueba de hipótesis.
Pero un elemento central en este procedimiento es como tal la técnica o herramienta estadística que usaremos para calcular, por ejemplo, el valor p o la potencia de la prueba.
Y esta técnica estadística dependerá de si conocemos o no la distribución que tienen nuestros datos y de si los datos que estamos analizando son numéricos o categóricos.
Así que en esta última lección del curso veremos un panorama general de las principales pruebas de hipótesis que podremos aplicar a nuestros datos dependiendo del tipo de dato y de si conocemos o no su distribución.
Este panorama general será entonces nos dará una guía general de las diferentes pruebas estadísticas que veremos de forma detallada en próximos cursos acá en la Academia Online:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
En este punto ya tenemos un panorama general de las principales pruebas de hipótesis que podemos usar dependiendo de las características que tengan nuestros datos.
Esencialmente existen dos grandes grupos: las pruebas paramétricas y las no paramétricas. Las primeras se usan cuando conocemos la distribución de nuestros datos mientras que las segundas se usan cuando no conocemos dicha distribución.
Además, tenemos un conjunto de pruebas que funciona adecuadamente en ambos casos y que es la que se usa convencionalmente en Ciencia de Datos y Machine Learning cuando queremos realizar pruebas de hipótesis: las pruebas de permutación y las pruebas de “bootstrapping”.
Así que este panorama general que acabamos de ver será el punto de partida de los próximos cursos de Estadística Inferencial acá en la Academia Online, en donde aprenderemos en detalle a usar estas técnicas para realizar pruebas de hipótesis sobre nuestros datos.
Y con esto hemos llegado al final de este curso de “Estadística Inferencial: Fundamentos” acá en la Academia Online. ¡Así que felicitaciones por haber llegado hasta este punto!
A lo largo de estas 13 lecciones hemos aprendido técnicas para estimar parámetros estadísticos a partir de la muestra de datos que recolectemos y usando una técnica muy útil en Ciencia de Datos y Machine Learning como lo es el “bootstrapping”.
Además, hemos aprendido a cuantificar el nivel de incertidumbre de estas estimaciones usando por ejemplo el error estándar y los intervalos de confianza.
Y en esta última parte del curso hemos aprendido todos los conceptos que resultarán fundamentales en próximos cursos cuando veamos en detalle las diferentes pruebas de hipótesis.
Así que te invito a contactarme y a compartirme tus comentarios acerca de este curso y tus sugerencias que me ayudarán un montón a seguir mejorando el contenido de la Academia.
Y desde luego, también te invito a continuar tu formación tomando el siguiente curso en esta serie: Estadística Inferencial Paramétrica. ¡Un saludo y nos vemos en el próximo curso!
Todas las lecciones del curso Estadística Inferencial Fundamentos