Udemy
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  
Development
Web Development Data Science Mobile Development Programming Languages Game Development Database Design & Development Software Testing Software Engineering Development Tools No-Code Development
Business
Entrepreneurship Communications Management Sales Business Strategy Operations Project Management Business Law Business Analytics & Intelligence Human Resources Industry E-Commerce Media Real Estate Other Business
Finance & Accounting
Accounting & Bookkeeping Compliance Cryptocurrency & Blockchain Economics Finance Finance Cert & Exam Prep Financial Modeling & Analysis Investing & Trading Money Management Tools Taxes Other Finance & Accounting
IT & Software
IT Certification Network & Security Hardware Operating Systems Other IT & Software
Office Productivity
Microsoft Apple Google SAP Oracle Other Office Productivity
Personal Development
Personal Transformation Personal Productivity Leadership Career Development Parenting & Relationships Happiness Esoteric Practices Religion & Spirituality Personal Brand Building Creativity Influence Self Esteem & Confidence Stress Management Memory & Study Skills Motivation Other Personal Development
Design
Web Design Graphic Design & Illustration Design Tools User Experience Design Game Design Design Thinking 3D & Animation Fashion Design Architectural Design Interior Design Other Design
Marketing
Digital Marketing Search Engine Optimization Social Media Marketing Branding Marketing Fundamentals Marketing Analytics & Automation Public Relations Advertising Video & Mobile Marketing Content Marketing Growth Hacking Affiliate Marketing Product Marketing Other Marketing
Lifestyle
Arts & Crafts Beauty & Makeup Esoteric Practices Food & Beverage Gaming Home Improvement Pet Care & Training Travel Other Lifestyle
Photography & Video
Digital Photography Photography Portrait Photography Photography Tools Commercial Photography Video Design Other Photography & Video
Health & Fitness
Fitness General Health Sports Nutrition Yoga Mental Health Dieting Self Defense Safety & First Aid Dance Meditation Other Health & Fitness
Music
Instruments Music Production Music Fundamentals Vocal Music Techniques Music Software Other Music
Teaching & Academics
Engineering Humanities Math Science Online Education Social Science Language Teacher Training Test Prep Other Teaching & Academics
AWS Certification Microsoft Certification AWS Certified Solutions Architect - Associate AWS Certified Cloud Practitioner CompTIA A+ Cisco CCNA Amazon AWS CompTIA Security+ AWS Certified Developer - Associate
Graphic Design Photoshop Adobe Illustrator Drawing Digital Painting InDesign Character Design Canva Figure Drawing
Life Coach Training Neuro-Linguistic Programming Personal Development Mindfulness Personal Transformation Meditation Life Purpose Coaching Emotional Intelligence
Web Development JavaScript React CSS Angular PHP WordPress Node.Js Python
Google Flutter Android Development iOS Development Swift React Native Dart Programming Language Mobile Development Kotlin SwiftUI
Digital Marketing Google Ads (Adwords) Social Media Marketing Google Ads (AdWords) Certification Marketing Strategy Internet Marketing YouTube Marketing Email Marketing Retargeting
SQL Microsoft Power BI Tableau Business Analysis Business Intelligence MySQL Data Analysis Data Modeling Data Cleaning
Business Fundamentals Entrepreneurship Fundamentals Business Strategy Online Business Business Plan Startup Freelancing Blogging Home Business
Unity Game Development Fundamentals Unreal Engine C# 3D Game Development C++ 2D Game Development Unreal Engine Blueprints Blender
30-Day Money-Back Guarantee

This course includes:

  • 48.5 hours on-demand video
  • 3 articles
  • Full lifetime access
  • Access on mobile and TV
  • Assignments
Teaching & Academics Math Statistics

Estadística inferencial para Machine Learning con R y Python

Las bases de estadística inferencial en R y Python, desde cero aplicada al mundo del análisis y el data science
Rating: 4.6 out of 54.6 (155 ratings)
2,016 students
Created by Juan Gabriel Gomila Salas, Ricardo Alberich Martí, Arnau Mir
Last updated 12/2020
Spanish
Spanish [Auto]
30-Day Money-Back Guarantee

What you'll learn

  • Resolver problemas del ámbito de la estadística usando el entorno estadístico R
  • Estimar parámetros de una población a partir de una muestra
  • Calcular un intervalo de confianza tanto a mano como con R
  • Calcular e interpretar un contraste de hipótesis paramétrico y no paramétrico tanto a mano como con R
  • Realizar el análisis de la varianza tanto de un factor como de varios factores
  • Ajustar mediante modelos de regresión lineal simple y múltiple
  • Clasificar mediante diferentes técnicas de clustering
Curated for the Udemy for Business collection

Requirements

  • Ganas de aprender acerca del mundo de la estadística inferencial
  • Conocimientos básicos de matemáticas
  • Es muy recomendable haber hecho el curso online de estadística descriptiva, el de probabilidad y el de álgebra lineal con R y Python de Juan Gabriel Gomila
  • No es necesaria una base de programación, pero si recomendable para sacar más provecho a la parte de estadística

Description

Conoce toda la estadística inferencial de la mano de Juan Gabriel Gomila, Arnau Mir y Ricardo Alberich, expertos en la estadística y con más de 30 años de experiencia tanto en su docencia como en su aplicación práctica en la empresa. Asienta las bases para convertirte en el Data Scientist del futuro con todo el contenido de estadística inferencial del curso. En particular verás los mismos contenidos que explicamos en la carrera a los matemáticos, ingenieros, economistas, biólogos, médicos o informáticos como por ejemplo:

  • Logística e instalación de R y RStudio y de Anaconda Navigator para Python

  • Diseño experimental y tipos de muestreo, para que aprendas cómo se deben recopilar los datos para que el análisis estadístico o de Machine Learning tenga sentido.

  • Estimación puntual de parámetros poblacionales, incluyendo la media, la proporción, la desviación típica, el tamaño de la población o el máximo entre otros.

  • Elaboración de todos los intervalos de confianza para los parámetros poblacionales y su correcta interpretación desde el inicio, para que nunca más te equivoques al leer esa salida de un algoritmo de R o de Python.

  • Contrastes de hipótesis de una muestra, de dos muestras independientes y de dos muestras emparejadas para todos los estadísticos de contraste que estudiaremos, incluso cómo automatizar el análisis con R y con Python

  • Bondad de ajuste, de homogeneidad y de independencia para verificar si los datos proceden de poblaciones normales, o de poblaciones independientes entre otros. Incluido el test chi cuadrado de Pearson y el test de Kolmogorov Smirnov entre otros.

  • Análisis de la varianza para estudiar k poblaciones en paralelo y ver si todas ellas tienen la misma media o bien alguna destaca, muy útil en marketing para detectar filones de segmentos a explotar para maximizar las ventas y los beneficios.

  • Regresión lineal simple, múltiple y clustering desde cero, para que luego puedas expandir tus conocimientos en los cursos de Machine Learning de la A a la Z

  • Tareas, ejercicios, tests, problemas y casos reales para que pongas en práctica todo lo que aprendas con nosotros en el curso.

  • Repositorio Github con todo el material del curso para disponer de los mismos scripts que usamos en clase desde el minuto inicial.

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 o Inteligencia Artificial con Python o RStudio, el Curso de Data Science con Tidyverse y RStudio o incluso los varios cursos de Deep Learning1! Todo el material del curso está enfocado en resolver los problemas de falta de base en el ámbito de estadística inferencial 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.

Who this course is for:

  • Estudiantes de ingenierías, economías y ciencias que quieran aprender los fundamentos de estadística inferencial
  • Todos aquellos que quieran trabajar con el entorno estadístico R
  • Futuros estudiantes de cursos de Machine Learning y de Inteligencia Artificial
  • Data Scientists que quieran tener un fundamento sólido de matemáticas y variables aleatorias
  • Ingenieros de ML, IA con falta de base para aprender mejor cómo funcionan estos algoritmos y saber interpretar sus valores
  • Estudiantes de los cursos de ML, IA, TensorFlow de Juan Gabriel Gomila que necesiten asentar sus bases teóricas en la inferencia estadística

Course content

14 sections • 226 lectures • 48h 22m total length

  • Preview04:42
  • Preview08:59
  • Preview02:12
  • Cómo hacer preguntas en el curso de Udemy
    09:59
  • La comunidad de Discord para aprender online
    03:45
  • Repositorio Github del curso de estadística inferencial
    06:31
  • Sacando el máximo provecho del curso
    3 questions
  • Preview02:40
  • El libro del curso
    00:03
  • Pre requisitos del curso
    10:06

  • Cómo instalar R y RStudio
    15:23
  • Cómo utilizar Github correctamente
    10:51
  • Las diferencias entre clone y fork de un repositorio
    13:25
  • Navegar por la interfaz de RStudio
    13:01
  • Ficheros, scripts y R markdowns
    11:15
  • Instalación de Python y Anaconda
    06:15
  • Extra: python, anaconda y la instalación de paquetes
    27:18
  • Preview30:13
  • Preview05:27

  • Preview06:39
  • Muestreo aleatorio con reposición
    09:30
  • Muestreo aleatorio sin reposición
    08:04
  • Muestreo sistemático
    08:55
  • Muestreo estratificado
    08:51
  • Muestreo por conglomerados
    12:10
  • Muestreo polietápico
    10:51
  • Funciones de muestreo en Python
    15:51
  • Cuestionario de muestreo
    5 questions

  • Estadísticos
    07:28
  • Definiciones formales usando variables aleatorias
    10:25
  • Preview12:50
  • Poblaciones normales
    19:40
  • Ejercicio: calcular el error estándar de la media
    06:20
  • Ejercicios propuestos de estimación taller 1
    8 questions
  • La proporción muestral
    14:47
  • La varianza y desviación típica muestral
    20:53
  • Estimadores insesgados
    05:34
  • Estimadores eficientes
    12:32
  • El problema de los tanques alemanes
    09:31
  • Estimadores máximo-verosímiles
    20:46
  • Preview04:05
  • Ejercicio: El estimador máximo verosímil de la varianza de una Normal
    10:11
  • Ejercicio: El estimador máximo verosímil de la proporción de una Geométrica
    06:02
  • Ejercicio: El estimador máximo verosímil de la proporción de una Geométrica
    07:55
  • Ejercicios propuestos de estimación taller 2
    8 questions
  • Ejercicio: Estimadores de la media y varianza para normales independientes
    22:35
  • Preview19:10
  • Ejercicio: Un estimador consistente para la varianza
    13:38
  • Ejercicio: Estimador del extremo superior de una variable uniforme
    18:40
  • Ejercicio: ¿Cuántos libros hay en esta biblioteca?
    10:00
  • Ejercicio: estudiar la consistencia y eficiencia de dos estimadores
    10:09
  • Ejercicio (continuación)
    11:21
  • Preview06:54
  • El paquete fitdistr de R
    11:21
  • Estimación con scipy.stats en Python
    17:56
  • Ejercicio: estimación de los parámetros de una distribución Rayleigh
    13:25
  • Ejercicios propuestos de estimación - Taller 3
    4 questions
  • Cuestionario de estimación puntual
    6 questions

  • El concepto de Intervalo de confianza
    12:18
  • Intervalo de confianza para la media poblacional con desviación típica conocida
    16:03
  • Interpretación y simulación de los intervalos de confianza
    11:14
  • Ejemplos de cálculo de intervalos de confianza
    07:02
  • Amplitud y error máximo cometido
    08:07
  • Intervalo de confianza para media poblacional con desviación típica desconocida
    10:39
  • Ejemplos de cálculo de intervalos de confianza
    05:58
  • Intervalos de confianza para poblaciones normales con n grande
    07:36
  • Error en la clase anterior
    00:07
  • Amplitud y muestra piloto
    05:26
  • La distribución t de Student en R
    05:37
  • Preview11:27
  • Método exacto de Clopper-Pearson para el intervalo de confianza de la proporción
    11:26
  • Métodos aproximados para grandes poblaciones
    15:36
  • Amplitud del intervalo de confianza para la proporción
    07:04
  • Intervalo de confianza para la varianza de una población normal
    08:29
  • Ejercicio: Cálculos para hallar un intervalo de confianza concreto
    06:00
  • La función varTest del paquete EnvStats
    04:40
  • Bootstrap o remuestreo
    14:58
  • Ejercicios propuestos de intervalos - Taller 1
    5 questions
  • Cuestionario de intervalos de confianza
    6 questions
  • Ejercicios propuestos intervalos - Taller 2
    5 questions

  • Ejercicio: intervalo de confianza para la confiabilidad de ruptura del hilo
    13:11
  • Repaso de estimación e intervalos con R y la importancia de los informes
    20:40
  • Repaso de estimación puntual en Python
    31:47
  • Intervalos de confianza con Python
    27:09
  • El teorema central del límite y la interpretación de los intervalos de confianza
    34:10

  • La necesidad de contrastar afirmaciones
    08:42
  • Tipos de hipótesis alternativas
    10:34
  • Tipos de errores
    13:28
  • Intervalo de confianza para μ en poblaciones normales con σ conocida
    14:32
  • Intervalos unilaterales vs bilaterales
    17:04
  • El p-valor de un contraste de hipótesis
    23:16
  • Metodología para hacer un contraste de hipótesis
    11:14
  • Contrastes de hipótesis para μ de una normal con σ desconocida: Z-test
    07:48
  • Contrastes de hipótesis para μ de una normal con σ desconocida: T-test
    12:55
  • Ejercicios propuestos Contrastes de hipótesis- Taller1
    6 questions
  • Contrastes en R: función t.test
    18:10
  • Contrastes de hipótesis para el parámetro p de una variable de Bernoulli
    06:15
  • Contrastes para proporciones en R
    14:06
  • Contrastes para proporciones cuando n es grande
    15:14
  • Ejercicio: porcentaje de clientes interesados en un artículo
    17:50
  • Contrastes para σ de una distribución normal: χ2-test
    15:38
  • Contrastes de hipótesis para dos muestras
    05:03
  • Contrastes para dos medias poblacionales independientes μ1 y μ2
    20:40
  • Más sobre la función t.test de R
    10:02
  • Ejercicio: Determinar cual es la hipótesis alternativa
    10:48
  • Ejercicio: Demostración del intervalo de confianza para la diferencia de medias
    15:44
  • Ejercicio: Error de tipo I y de tipo II en experimentos de Bernoulli
    07:03
  • Ejercicio: Contrastando el parámetro de una uniforme
    08:44
  • Contrastes para dos proporciones p1 y p2
    12:17
  • Preview12:20
  • Introducción a las odds
    06:33
  • Contraste para dos proporciones: muestras grandes
    16:35
  • Contrastes de dos muestras más generales
    10:03
  • Contrastes para dos varianzas
    22:53
  • Contrastes para varianzas en R
    09:48
  • Muestras emparejadas
    13:42
  • Contrastes para medias emparejadas en R. El test t
    07:10
  • Ejercicios propuestos Contrastes de hipótesis- Taller2
    5 questions
  • Contrastes de proporciones de muestras emparejadas
    09:12
  • Contrastes para proporciones de muestras emparejadas en R
    07:28
  • Contrastes para proporciones con binom.test
    07:27
  • Contrastes de hipótesis para la proporción en Python
    27:03
  • Ejercicios propuestos Contrastes de hipótesis- Taller3
    6 questions
  • Contrastes de hipótesis para la media en Python
    21:14
  • La librería scipy y sus tests en Python
    26:43
  • Ejercicio: entendiendo los contrastes con diferentes ejemplos
    34:28
  • Preview15:25
  • Cuestionario de contraste de hipótesis
    11 questions

  • Contrastes paramétricos vs contrastes no paramétricos
    05:45
  • Pruebas Gráficas: histogramas y qqplots
    20:01
  • El test chi cuadrado de Pearson
    15:29
  • El test chi cuadrado en R
    11:12
  • Cómo comprobar si unos datos se distribuyen según una normal
    21:20
  • Test de la chi cuadrado de Pearson con parámetros desconocidos
    21:50
  • Ejercicio: el atleta universitario
    16:05
  • Ejercicio: los coches en el aparcamiento del supermercado
    14:55
  • Ejercicio: el número de muertos en las carreteras españolas
    13:41
  • El test de Kolmogorov-Smirnov
    26:10
  • Ejercicio: el tiempo de vida de un componente electrónico
    10:36
  • Ejercicio: como elegir el precio razonable de un producto de hogar
    12:09
  • Ejercicio: el tiempo transcurrido entre dos vuelos reservados
    16:50
  • El test de normalidad de Kolmogorov-Smirnov-Lilliefors
    07:09
  • El test de normalidad de Anderson-Darling
    02:47
  • Test de Shapiro-Wilks
    03:39
  • Test omnibus d'Agostino-Pearson
    10:20
  • Preview26:02
  • Otra forma de implementar el test de la chi cuadrado en Python
    07:52
  • Los test de normalidad en Python
    16:44
  • Más sobre la librería scipy y su correcto uso
    06:57
  • Cuestionario de bondad de ajuste
    5 questions
  • Ejercicios de bondad de ajuste
    5 questions

  • ¿Reducen las vacunas el riesgo de enfermar?
    04:03
  • El test chi cuadrado de independencia
    06:36
  • Las tablas de contingencia
    08:03
  • Preview09:04
  • Ejercicio: ¿son independientes fumar y morir de cancer?
    11:42
  • Contrastes de independencia en R
    10:14
  • El contraste con el p-valor simulado
    11:09
  • Ejercicio: estimadores máximo verosímiles en contrastes de independencia
    14:04
  • Contrastes de homogeneidad
    09:26
  • La importancia del diseño experimental
    08:12
  • Los contrastes de independencia y homogeneidad en Python
    21:31
  • Cuestionario de independencia
    5 questions
  • Ejercicios de aplicación del test chi^2 de independencia
    5 questions

  • El análisis de la varianza entre subpoblaciones
    12:54
  • El almacenamiento de los datos para el ANOVA de un factor
    20:35
  • Las sumas de los cuadrados totales, de los tratamientos y de los errores
    24:04
  • Los estadísticos de contraste para el ANOVA
    17:38
  • El efecto del alcohol en el cálculo de sumas
    6 questions
  • Comparaciones por parejas - Test de Bonferroni
    19:44
  • Preview09:37
  • Comparaciones por parejas - Test de Duncan y de Tukey
    19:12
  • El efecto de la luz ambiental en la percepción visual
    7 questions
  • ANOVA de efectos aleatorios
    05:12
  • Cómo comprobar las condiciones del ANOVA
    14:39
  • Los tests de homocedasticidad en R
    28:56
  • Ejercicio: los retrasos en los vuelos de dos compañías aéreas
    21:10
  • Bloques completos aleatorios
    13:57
  • Estadísticos del ANOVA por bloques
    17:19
  • Identidad de la suma de cuadrados
    08:23
  • Los estadísticos de contraste
    10:19
  • ANOVA por bloques en R
    06:26
  • Eficiencia relativa en la construcción de los bloques
    05:48
  • La eficacia de los fertilizantes en los cultivos de patatas
    8 questions
  • ANOVA de dos vías
    11:22
  • Estadísticos del ANOVA de dos vías
    09:14
  • Identidad de la suma de cuadrados
    09:26
  • Los estadísticos de contraste
    13:47
  • ANOVA de dos vías en R
    05:57
  • Los gráficos de interacción en R
    05:23
  • Cómo medir la cantidad de oxigeno de las especies marinas en diferentes mares
    8 questions
  • El resumen en la Guía Rápida
    06:30
  • Cuestionario de ANOVA
    5 questions
  • El ANOVA de una vía en Python
    15:56
  • Comparación por parejas y el test de Tukey en Python
    20:44
  • Cómo comprobar la normalidad y la homocedasticidad en Python
    08:11
  • Cuestionario práctico de ANOVA
    5 questions
  • Ejercicios de ANOVA
    4 questions

Instructors

Juan Gabriel Gomila Salas
CEO de Frogames, Matemático, Data Scientist & Game Designer
Juan Gabriel Gomila Salas
  • 4.6 Instructor Rating
  • 41,782 Reviews
  • 290,442 Students
  • 93 Courses

Soy licenciado en matemáticas, especializado en el análisis de datos para empresas de videojuegos con R y Python, en Game Design para videojuegos de social casino, en el desarrollo de aplicaciones móviles para iOS y para Android y desarrollador de videojuegos utilizando los motores Unreal Engine y Unity tanto para PC como para móvil desde el año 2011.

Me encanta programar, crear apps y videojuegos que la gente utilice y sobretodo enseñar tanto en el mundo online, como en la Universidad presenciamente.

Aquí en Udemy, llevo como profesor online desde verano de 2015 he lanzado ya más de 90 cursos online con más de 250.000 estudiantes en más de 160 países de todo el mundo que han aprendido en castellano  temáticas de desarrollo tan diversas como el mundo de las apps para iOS en Objective-C, Swift y SpriteKit,  en Android con Java, desarrollo de videojuegos con Unity y Unreal Engine cubriendo desde lo más básico hasta aspectos avanzados para crear juegos profesionales o incluso análisis de datos masivos, big data, machine learning y data science con R, Tidyverse y Python. 

Soy también Instructor Certificado de Unity (UCI), lo cual me permite viajar por todo el mundo asesorando y dando formación en desarrollo de videojuegos para empresas de CAD, o estudios de renombre como por ejemplo Team 17 (Worms, The Escapists), Genera Games (Disney's Frozen, Star Wars) o Ubisoft (Assassin's Creed, CSI Hidden Crimes)

Además, los propios estudiantes online de varias partes del mundo me han contactado para ir a dar conferencias y compartir mis experiencias en lugares tan bonitos como Colombia, Dinamarca, USA, México, Suecia, Holanda, Londres o Bolivia entre otros. Si no conoces aún ninguno de los cursos que imparto aquí en Udemy, tómate un tiempo para visitar los diversos cursos gratuitos que tengo publicados aquí mismo.

Ricardo Alberich Martí
Doctor en Informática, Lic. en Matemáticas esp. Estadística
Ricardo Alberich Martí
  • 4.5 Instructor Rating
  • 1,131 Reviews
  • 35,485 Students
  • 4 Courses

Doctor en Informática por la Universidad de Las Islas Baleares (UIB, España).

Tengo una experiencia docente de más de 25 años en estudios de grado y Máster.

He sido docente de diversas asignaturas dedicadas al Análisis de Datos: Estadística, Probabilidad y Procesos Estocásticos, Análisis de datos, Aprendizaje Estadístico, Minería de Datos, Inteligencia Computacional, Bioestadísca, Minería de textos.

Docente del MOOC de Miriadax: "AprendeR: Introducción al tratamiento de datos con R y RStudio" en 2016 con miles de estudiantes.

Coautor de decenas de artículos y dos libros didácticos.

Miembro del grupo de investigación de Biología computacional y Bioinformática de la UIB.

Director del Departamento de Ciencias Matemáticas e informática (del 2011 a 2019) de la Universidad de las Islas Baleares (UIB España).


Arnau Mir
Profesor de universidad
Arnau Mir
  • 4.6 Instructor Rating
  • 1,161 Reviews
  • 35,699 Students
  • 6 Courses

Profesor de matemáticas con más de 30 años de experiencia en la enseñanza de asignaturas relacionadas con:

- la probabilidad y la estadística en grados de Matemáticas, Biología y Bioquímica.

- cálculo y análisis de una y varias variables en grados de matemáticas.

- análisis numérico en grados de matemáticas.

Coautor del MOOC (curso de aprendizaje online) "AprenderR: Introducción al tratamiento de datos con R y Rstudio" actualmente en funcionamiento y que tuvo más de 11000 estudiantes el curso 2016-17.

Consultor de estadística en el grado de informática en la Universitat Oberta de Catalunya (UOC) desde el curso 2000-01 hasta la actualidad.

Coordinador de la asignatura de Matemáticas II de las pruebas de acceso a la Universidad de las Islas Baleares desde el curso 2007-08 hasta el curso 2018-19.

Miembro del grupo de investigación BIOCOM (Biología computacional y Bioinformática) y colaborador del grupo de investigación SCOPIA (Soft Computing, Procesamiento de Imágenes y Agregación) desde el curso 2006-07.

  • Udemy for Business
  • Teach on Udemy
  • Get the app
  • About us
  • Contact us
  • Careers
  • Blog
  • Help and Support
  • Affiliate
  • Terms
  • Privacy policy
  • Cookie settings
  • Sitemap
  • Featured courses
Udemy
© 2021 Udemy, Inc.