Saltar al contenido principal
InicioPythonSimulaciones Montecarlo en Python

Simulaciones Montecarlo en Python

Aprende a diseñar y ejecutar tus propias simulaciones Montecarlo utilizando Python.

Comience El Curso Gratis
4 Horas15 Videos52 Ejercicios
4734 AprendicesTrophyDeclaración de cumplimiento

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.
Group¿Entrenar a 2 o más personas?Pruebe DataCamp para empresas

Preferido por estudiantes en miles de empresas


Descripción del curso

Este curso práctico presenta las simulaciones Montecarlo, que se utilizan para estimar una serie de resultados para sucesos inciertos, y bibliotecas de Python como SciPy y NumPy hacen que la simulación sea rápida y fácil. A medida que avances en tus habilidades de simulación, las aplicarás a un conjunto de datos de resultados de pacientes con diabetes y utilizarás los resultados de tu simulación para comprender cómo influyen las distintas variables en la evolución de la diabetes. Revisarás distribuciones de probabilidad y aprenderás a elegir la mejor distribución para tu simulación, y descubrirás la importancia de la correlación de la entrada y la sensibilidad del modelo. Por último, aprenderás a comunicar tus hallazgos utilizando la popular biblioteca de visualización Seaborn.
Empresas

Group¿Entrenar a 2 o más personas?

Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y más
Pruebe DataCamp Para EmpresasPara obtener una solución a medida, reserve una demostración.
  1. 1

    Introducción a las Simulaciones Monte Carlo

    Gratuito

    ¿Qué son las simulaciones Monte Carlo y cuándo son útiles? Después de cubrir estas cuestiones fundamentales, aprenderás a realizar simulaciones sencillas, como estimar el valor de pi. También aprenderás sobre el remuestreo, un tipo especial de Simulación de Montecarlo.

    Reproducir Capítulo Ahora
    ¿Qué es una simulación Montecarlo?
    50 xp
    Simulación determinista
    100 xp
    Naturaleza estocástica de la simulación Montecarlo
    100 xp
    La ley de los grandes números
    100 xp
    El remuestreo como tipo especial de simulación Montecarlo
    50 xp
    Muestreo con sustitución
    100 xp
    Visualización de los resultados del remuestreo
    100 xp
    Práctica de permutación
    100 xp
    Aprovechamiento de las simulaciones Montecarlo
    50 xp
    Qué son las simulaciones Montecarlo
    100 xp
    Simulación de dados emparejados
    100 xp
  2. 2

    Fundamentos de Montecarlo

    Ahora que puedes realizar tus propias simulaciones sencillas, estás preparado para explorar la aplicación en el mundo real de las simulaciones Monte Carlo en diversos sectores. A continuación, te sumergirás en el corazón de lo que hace que una buena simulación funcione: el muestreo a partir de la distribución de probabilidad correcta. Aprenderás las distribuciones de probabilidad para variables aleatorias discretas, continuas y multivariantes.

    Reproducir Capítulo Ahora
  3. 3

    Simulación Monte Carlo basada en principios

    Una vez que te sientas cómodo con tu elección de la distribución de probabilidad, estarás preparado para seguir un flujo de trabajo de simulación Monte Carlo basado en principios, utilizando un conjunto de datos de características y resultados de pacientes con diabetes. Explorarás los datos, realizarás una simulación y generarás estadísticas resumidas para comunicar los resultados de tu simulación.

    Reproducir Capítulo Ahora
  4. 4

    Comprobación del modelo e interpretación de los resultados

    Descubre cómo evaluar tus modelos Monte Carlo y comunicar los resultados con visualizaciones fáciles de leer en Seaborn. Por último, utiliza el análisis de sensibilidad para comprender cómo afectarán a tus resultados los cambios en los datos de entrada del modelo, ¡y practica este concepto simulando cómo afectan a los beneficios empresariales los cambios en las ventas y la inflación!

    Reproducir Capítulo Ahora
Empresas

Group¿Entrenar a 2 o más personas?

Obtenga acceso de su equipo a la biblioteca completa de DataCamp, con informes centralizados, tareas, proyectos y más

Sets De Datos

Diabetes Factors and Outcomes

Colaboradores

Collaborator's avatar
Zhaojie Zhang
Collaborator's avatar
Maham Khan
Collaborator's avatar
James Chapman

Requisitos Previos

Sampling in Python
Izzy Weber HeadshotIzzy Weber

Data Coach at iO-Sphere

Ver Mas

¿Qué tienen que decir otros alumnos?

¡Únete a 13 millones de estudiantes y empieza Simulaciones Montecarlo en Python hoy mismo!

Crea Tu Cuenta Gratuita

GoogleLinkedInFacebook

o

Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.