Build your ultimate AI agent
Descripción del curso
Los datos categóricos están por todas partes: en las últimas encuestas de opinión, en los datos que impulsan nuevos avances en genómica y en los enormes volúmenes de datos que las empresas de internet recopilan para venderte productos. En este curso aprenderás técnicas para separar la señal del ruido; herramientas para identificar cuándo la estructura en estos datos refleja fenómenos interesantes y cuándo es solo ruido aleatorio.
Requisitos previos
Programa de formación
Contenido del curso
1
Inferencia para un único parámetro
En este capítulo aprenderás a realizar inferencia estadística sobre un único parámetro que describe datos categóricos. Esto incluye métodos basados en remuestreo y métodos basados en aproximación para una sola proporción.
- La General Social Survey50 XP
- Explorando consci100 XP
- Generación mediante bootstrap100 XP
- Construir un IC100 XP
- ¿Por qué más bootstraps?50 XP
- Interpretar un intervalo de confianza50 XP
- IC y nivel de confianza50 XP
- EE con menos datos100 XP
- EE con p diferente100 XP
- El atajo de la aproximación50 XP
- IC mediante aproximación100 XP
- Comparación de métodos50 XP
2
Proporciones: contraste de hipótesis y potencia
Este capítulo profundiza en cómo realizar contrastes de hipótesis y construir intervalos de confianza para un único parámetro. Después, aprenderás a hacer inferencia sobre la diferencia entre dos proporciones. Para terminar, el capítulo cierra con una exploración de lo que ocurre cuando sabes que la hipótesis nula es verdadera.
3
Comparación de muchos parámetros: independencia
Esta parte del curso te enseñará a usar tanto métodos de remuestreo como métodos clásicos para comprobar la independencia de dos variables categóricas. Este capítulo cubre cómo realizar una prueba Chi-cuadrado.
4
Comparación de muchos parámetros: bondad de ajuste
El curso concluye con dos estudios de caso usando datos electorales. Aquí aprenderás a usar una prueba Chi-cuadrado para comprobar la bondad de ajuste. Estudiarás resultados electorales de Irán y Iowa y comprobarás si la ley de Benford se aplica a estos conjuntos de datos.
R
Inferencia para datos categóricos en R
Curso
completado
