book

Estadística Práctica para Científicos de Datos, 2ª Edición

by Peter Bruce, Andrew Bruce, Peter Gedeck

September 2024

Intermediate to advanced

368 pages

9h 55m

Spanish

O'Reilly Media, Inc.

Book available

Read now

Unlock full access

Convenciones utilizadas en este libroUtilizar ejemplos de códigoAprendizaje en línea O'ReillyCómo contactar con nosotrosAgradecimientos
Elementos de los datos estructuradosOtras lecturasDatos rectangularesMarcos de datos e índicesEstructuras de datos no rectangularesOtras lecturasEstimaciones de localizaciónMediaMediana y Estimaciones RobustasEjemplo: Estimaciones de localización de las tasas de población y asesinatosOtras lecturasEstimaciones de la variabilidadDesviación típica y estimaciones relacionadasEstimaciones basadas en percentilesEjemplo: Estimaciones de Variabilidad de la Población EstatalOtras lecturasExplorar la distribución de los datosPercentiles y gráficos de cajaTablas de frecuencias e histogramasParcelas de densidad y estimacionesOtras lecturasExplorar datos binarios y categóricosModoValor esperadoProbabilidadOtras lecturasCorrelaciónGráficos de dispersiónOtras lecturasExplorar dos o más variablesBinning hexagonal y contornos (trazado de datos numéricos frente a numéricos)Dos variables categóricasDatos categóricos y numéricosVisualizar múltiples variablesOtras lecturasResumen
Muestreo aleatorio y sesgo de la muestraSesgoSelección aleatoriaTamaño frente a calidad: ¿Cuándo importa el tamaño?Media de la muestra frente a la media de la poblaciónOtras lecturasSesgo de selecciónRegresión a la mediaOtras lecturasDistribución muestral de una estadísticaTeorema del límite centralError estándarOtras lecturasEl BootstrapRemuestreo frente a BootstrappingOtras lecturasIntervalos de confianzaOtras lecturasDistribución normalParcelas Normal Estándar y QQDistribuciones de cola largaOtras lecturasDistribución t de StudentOtras lecturasDistribución BinomialOtras lecturasDistribución Chi-cuadradoOtras lecturasDistribución FOtras lecturasDistribuciones de Poisson y afinesDistribuciones de PoissonDistribución exponencialEstimación de la tasa de fallosDistribución de WeibullOtras lecturasResumen
Pruebas A/B¿Por qué tener un grupo de control?¿Por qué sólo A/B? ¿Por qué no C, D,...?Otras lecturasPruebas de hipótesisLa hipótesis nulaHipótesis alternativaPruebas de hipótesis unidireccionales frente a bidireccionalesOtras lecturasRemuestreoPrueba de permutaciónEjemplo: Adherencia a la WebPruebas de Permutación Exhaustivas y BootstrapPruebas de permutación: Lo esencial para la Ciencia de DatosOtras lecturasSignificación estadística y valores pValor pAlfaErrores de tipo 1 y 2Ciencia de datos y valores pOtras lecturasPruebas tOtras lecturasPruebas múltiplesOtras lecturasGrados de libertadOtras lecturasANOVAEstadística FANOVA de dos víasOtras lecturasPrueba Chi-cuadradoPrueba Chi-Cuadrado: Un enfoque de remuestreoPrueba Chi-cuadrado: Teoría estadísticaPrueba exacta de FisherRelevancia para la Ciencia de DatosOtras lecturasAlgoritmo del bandido multibrazoOtras lecturasPotencia y tamaño de la muestraTamaño de la muestraOtras lecturasResumen
Regresión lineal simpleLa ecuación de regresiónValores ajustados y residuosMínimos cuadradosPredicción frente a explicación (elaboración de perfiles)Otras lecturasRegresión lineal múltipleEjemplo: Datos de vivienda del condado de KingEvaluación del modeloValidación cruzadaSelección de modelos y regresión por pasosRegresión ponderadaOtras lecturasPredicción mediante regresiónLos peligros de la extrapolaciónIntervalos de confianza y predicciónVariables factoriales en la regresiónVariables ficticias RepresentaciónVariables factoriales con muchos nivelesVariables factoriales ordenadasInterpretar la ecuación de regresiónPredictores correlacionadosMulticolinealidadVariables de confusiónInteracciones y efectos principalesDiagnóstico de regresiónValores atípicosValores influyentesHeteroscedasticidad, no normalidad y errores correlacionadosGráficos de residuos parciales y no linealidadRegresión polinómica y por splinesPolinomioEstríasModelos aditivos generalizadosOtras lecturasResumen
Bayes ingenuosPor qué la clasificación bayesiana exacta es poco prácticaLa solución ingenuaVariables predictoras numéricasOtras lecturasAnálisis discriminanteMatriz de covarianzaDiscriminante lineal de FisherUn ejemplo sencilloOtras lecturasRegresión logísticaFunción de respuesta logística y LogitRegresión logística y el MLGModelos lineales generalizadosValores predichos de la regresión logísticaInterpretación de los Coeficientes y Odds RatiosRegresión lineal y logística: Similitudes y diferenciasEvaluación del modeloOtras lecturasEvaluación de los modelos de clasificaciónMatriz de confusiónEl problema de las clases rarasPrecisión, recuperación y especificidadCurva ROCAUCAscensorOtras lecturasEstrategias para datos desequilibradosSubmuestreoSobremuestreo y ponderación arriba/abajoGeneración de datosClasificación basada en los costesExplorar las prediccionesOtras lecturasResumen
Vecinos más próximos KUn pequeño ejemplo: Predecir el impago de los préstamosMétricas de distanciaUn codificador en calienteNormalización (Normalización, puntuaciones z)Elegir KKNN como motor de característicasModelos de árbolesUn ejemplo sencilloEl algoritmo de partición recursivaMedir la homogeneidad o la impurezaDetener el crecimiento del árbolPredecir un valor continuoCómo se utilizan los árbolesOtras lecturasEl ensacado y el bosque aleatorioEmbolsadoBosque aleatorioVariable ImportanciaHiperparámetrosAumentarEl algoritmo de refuerzoXGBoostRegularización: Evitar el sobreajusteHiperparámetros y validación cruzadaResumen
Análisis de componentes principalesUn ejemplo sencilloCálculo de los componentes principalesInterpretar los componentes principalesAnálisis de la correspondenciaOtras lecturasAgrupación K-MeansUn ejemplo sencilloAlgoritmo K-MeansInterpretar las agrupacionesSeleccionar el número de clustersAgrupación jerárquicaUn ejemplo sencilloEl DendrogramaEl algoritmo aglomerativoMedidas de DisimilitudAgrupación basada en modelosDistribución Normal MultivarianteMezclas de normalesSeleccionar el número de clustersOtras lecturasEscala y variables categóricasEscalar las variablesVariables dominantesDatos categóricos y distancia de GowerProblemas con la agrupación de datos mixtosResumen

Content preview from Estadística Práctica para Científicos de Datos, 2ª Edición

Capítulo 1. Análisis exploratorio de datos

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

Este capítulo se centra en el primer paso de cualquier proyecto de ciencia de datos: explorar los datos.

La estadística clásica se centraba casi exclusivamente en la inferencia, un conjunto a veces complejo de procedimientos para extraer conclusiones sobre grandes poblaciones a partir de muestras pequeñas. En 1962, John W. Tukey (Figura 1-1) pidió una reforma de la estadística en su artículo seminal "El futuro del análisis de datos" [Tukey-1962]. Propuso una nueva disciplina científica llamada análisis de datos que incluía la inferencia estadística como uno solo de sus componentes. Tukey forjó vínculos con las comunidades de ingeniería e informática (acuñó los términos bit, abreviatura de dígito binario, y software), y sus principios originales son sorprendentemente duraderos y forman parte de los cimientos de la ciencia de datos.El campo del análisis exploratorio de datos se estableció con el libro de Tukey de 1977, ahora clásico, Análisis exploratorio de datos [Tukey-1977]. Tukey presentó gráficos sencillos (p. ej., gráficos de caja, gráficos de dispersión) que, junto con estadísticas de resumen (media, mediana, cuantiles, etc.), ayudan a dibujar una imagen de un conjunto de datos.

Con la fácil disponibilidad de potencia informática y programas expresivos de análisis de datos, el análisis exploratorio de datos ha evolucionado ...