La inferencia estadística se enfoca en hacer conclusiones sobre una población a partir de una muestra de datos.
ic_95 = bootstrap_ic(tiempos) print(f"IC 95% para la media: [ic_95[0]:.2f, ic_95[1]:.2f]")
La "campana" donde la mayoría de los fenómenos naturales residen. Muchos modelos asumen esta distribución. La inferencia estadística se enfoca en hacer conclusiones
# Graficar distribución de datos plt.hist(datos['variable'], bins=50) plt.xlabel('Valor') plt.ylabel('Frecuencia') plt.title('Distribución de Datos') plt.show()
Validar las asunciones de los algoritmos (como la normalidad de los residuos en una regresión). 2. Análisis Exploratorio de Datos (EDA) con Python # Graficar distribución de datos plt
# Calcular media y varianza media = datos['variable'].mean() varianza = datos['variable'].var()
Methods that "learn" from data, such as K-Nearest Neighbors, to improve predictive modeling. Unsupervised Learning: Unsupervised Learning: Use scipy
Use scipy.stats.norm to generate or analyze normal data. Bernoulli and Binomial Used for binary outcomes (Yes/No, Click/No Click). Python Tip: Use numpy.random.binomial for simulations. Poisson Distribution