Estadística Práctica para Científicos de Datos, 2ª Edición

Índice

A

• Pruebas A/B, Pruebas A/B -Lecturas complementarias
  • ventajas de utilizar un grupo decontrol, ¿Por qué tener un grupo de control?
  • algoritmo epsilon-greedy para, Algoritmo del bandido multibrazo
  • ejemplos de, Pruebas A/B
  • hipótesis en, Pruebas de hipótesis
  • importancia de obtener permisos, ¿Por qué sólo A/B? ¿Por qué no C, D,...?
  • bandidos multibrazo frente a, Algoritmo del bandido multibrazo
  • tradicional, deficiencia de, ¿Por qué sólo A/B? ¿Por qué no C, D,...?
• precisión, Evaluación de modelos de clasificación
• Adaboost, Boosting
  • Algoritmo de refuerzo, Algoritmo de refuerzo
• R-cuadrado ajustado, Evaluación del modelo
• Ajuste de los valores p, Pruebas múltiples
• algoritmo aglomerativo, El algoritmo aglomerativo
• AIC (Criterio de Información de Akaike), Selección de Modelos y Regresión por Pasos, Selección del Número de Conglomerados
• AICc, selección de modelos y regresión por pasos
• regresión porsubconjuntos, selección de modelos y regresión por pasos
• alfa, Significación estadística y valores p, Alfa
  • Inflación alfa, Pruebas múltiples
• hipótesis alternativa, Pruebas de hipótesis, Hipótesis alternativa
• American Statistical Association (ASA), declaración sobre el uso de los valores p, controversia sobre los valores p
• análisis de la varianza (ANOVA), distribución F,ANOVA-Lectura adicional
  • descomposición de la varianza, Estadístico F
  • Estadístico F, Estadístico F
  • ANOVA de dos vías, ANOVA de dos vías
• detección de anomalías, Regresión y Predicción
  • valores atípicos y, Valores atípicos
• brazos (bandidos multibrazo), Algoritmo ...