You signed in with another tab or window. Reload to refresh your session.You signed out in another tab or window. Reload to refresh your session.You switched accounts on another tab or window. Reload to refresh your session.Dismiss alert
# Curso de introducción a la estadística descriptiva con R Studio
1
+
# [Curso de introducción a la estadística descriptiva con R Studio](https://www.udemy.com/estadistica-descriptiva/?couponCode=FROM_BOKDOWN_RSTUDIO)
2
2
*Con Juan Gabriel Gomila y María Santos*
3
+
4
+
Conoce toda la estadística descriptiva de la mano de Juan Gabriel Gomila y asienta las bases para convertirte en el Data Scientist del futuro con todo el contenido del curso. En particular verás los mismos contenidos que explicamos en primera de carrera a matemáticos, ingenieros o informáticos como por ejemplo:
5
+
6
+
* Logística e instalación de R y RStudio y de Anaconda Navigator para Python
7
+
* Cómo usar R y Python como si fuese una calculadora científica (incluyendo un repaso de funciones, trigonometría y combinatoria)
8
+
* Introducción a la programación funcional con R desde cero (ideal para seguir tomando a posteriori cursos de análisis de datos).
9
+
* Uso de gráficos para representar datos estadísticos incluyendo plots de nubes de puntos, histogramas, diagramas circulares o diagramas de caja y bigotes entre otros. Además tendrás ejemplos tanto en R como con matplotlib de Python.
10
+
* Introducción a las técnicas de machine learning como por ejemplo la regresión lineal.
11
+
* Profundización en tipos de datos cualitativos, cuantitativos y ordinales y el correcto análisis de cada uno de ellos.
12
+
* Repositorio Github con todo el material del curso para disponer de los mismos scripts que usamos en clase desde el minuto inicial.
13
+
14
+
Una vez termines el curso podrás seguir con los mejores cursos de análisis de datos publicados por Juan Gabriel Gomila como los cursos de Machine Learning con Python o RStudio o el Curso de Data Science con Tidyverse y RStudio. Todo el material del curso está enfocado en resolver los problemas de falta de base que presentan los estudiantes de esos cursos avanzados y poderlo hacer en un curso a parte te permitirá nivelar tus conocimientos y tomar los otros cursos con garantías de éxito.
15
+
16
+
1. Trabajando con R
17
+
2. Documentación con R Markdown
18
+
3. Estructuras de datos
19
+
4. Introducción a la representación gráfica
20
+
5. Data frames
21
+
6. Estadística descriptiva con datos cualitativos
22
+
7. Estadística descriptiva con datos ordinales
23
+
8. Estadística descriptiva con datos cuantitativos
24
+
9. Estadística descriptiva con datos cualitativos agrupados
donde $p$ es la probabilidad de éxito y $q = 1-p$ es la probabilidad de fracaso.
44
48
45
49
- El **dominio** de $X$ será $X(\Omega) = \{0,1\}$
46
-
- La **función de probabilidad** vendrá dada por $$f(x) = p^x(1-p)^x = \left\{
50
+
- La **función de probabilidad** vendrá dada por $$f(k) = p^k(1-p)^k = \left\{
47
51
\begin{array}{rl}
48
-
p & \text{si } x=0
49
-
\\ q & \text{si } x=1
52
+
p & \text{si } k=0
53
+
\\ q & \text{si } k=1
50
54
\\ 0 & \text{en cualquier otro caso}
51
55
\end{array}
52
56
\right.$$
53
57
58
+
## Distribución de Bernoulli
59
+
60
+
- La **función de distribución** vendrá dada por $$F(k) = \left\{
61
+
\begin{array}{rl}
62
+
0 & \text{si } k<0
63
+
\\ q & \text{si } 0\le k<1
64
+
\\ 1 & \text{si } k\ge 1
65
+
\end{array}
66
+
\right.$$
67
+
-**Esperanza** E$(X) = p$
68
+
-**Varianza** Var$(X) = pq$
69
+
70
+
## Distribución Binomial
71
+
72
+
Si $X$ es variable aleatoria que mide el "número de éxitos" y se realizan $n$ ensayos de Bernoulli independientes entre sí, diremos que $X$ se distribuye como una Binomial con parámetros $n$ y $p$
73
+
74
+
$$X\sim \text{B}(n,p)$$
75
+
76
+
donde $p$ es la probabilidad de éxito y $q = 1-p$ es la probabilidad de fracaso
77
+
78
+
- El **dominio** de $X$ será $X(\Omega) = \{0,1,2,\dots,n\}$
79
+
- La **función de probabilidad** vendrá dada por $$f(k) = {n\choose k}p^k(1-p)^{n-k} $$
80
+
81
+
## Distribución Binomial
82
+
83
+
- La **función de distribución** vendrá dada por $$F(k) = \left\{
84
+
\begin{array}{cl}
85
+
0 & \text{si } k<0
86
+
\\ \sum_{i=0}^kf(k) & \text{si } 0\le k<n
87
+
\\ 1 & \text{si } k\ge n
88
+
\end{array}
89
+
\right.$$
90
+
-**Esperanza** E$(X) = np$
91
+
-**Varianza** Var$(X) = npq$
92
+
54
93
## Distribución Binomial
55
94
95
+
```{r, echo = FALSE}
96
+
par(mfrow = c(1,2))
97
+
plot(dbinom(1:50,50,0.5),col = "purple", xlab = "", ylab = "", main = "Función de probabilidad de una B(50,0.5)")
98
+
plot(pbinom(1:50,50,0.5),col = "purple", xlab = "", ylab = "", main = "Función de distribución de una B(50,0.5)")
0 commit comments