Ir al contenido principal

Curso

Pensamiento estadístico en Python (Parte 1)

IntermedioNivel de habilidad

Actualizado 3/2026

Construye los cimientos que necesitas para pensar de forma estadística y hablar el lenguaje de tus datos.

Comienza el curso gratis

PythonProbability & Statistics

3 h

18 vídeos

61 Ejercicios

4,550 XP

180K+

Certificado de logros

Preferido por estudiantes en miles de empresas

¿Formando un equipo?

Prueba para empresas

Descripción del curso

Después de todo el esfuerzo de adquirir datos y ponerlos en un formato con el que puedas trabajar, lo que finalmente quieres es sacar conclusiones claras y concisas. Este último paso crucial del flujo de análisis de datos se basa en los principios de la inferencia estadística. En este curso, empezarás a construir la base que necesitas para pensar de forma estadística, hablar el lenguaje de tus datos y entender lo que te están diciendo. Los fundamentos del pensamiento estadístico tardaron décadas en desarrollarse, pero hoy se pueden asimilar mucho más rápido con ayuda de los ordenadores. Con la potencia de las herramientas basadas en Python, avanzarás rápidamente y empezarás a pensar estadísticamente al final de este curso.

Requisitos previos

1

Análisis exploratorio de datos con gráficos

Antes de adentrarte en técnicas sofisticadas de inferencia estadística, primero deberías explorar tus datos representándolos en gráficos y calculando estadísticas descriptivas simples. Este proceso, llamado análisis exploratorio de datos, es un primer paso fundamental en el análisis estadístico.

Introducción al análisis exploratorio de datos

¿Cuál es el objetivo de la inferencia estadística?

Ventajas de la EDA gráfica

Trazar un histograma

Trazar un histograma de datos de iris

¡Etiquetas de ejes!

Ajustar el número de intervalos en un histograma

Representa todos tus datos: diagramas bee swarm

Gráfico de enjambre (bee swarm)

Interpretar un diagrama de enjambre (bee swarm)

Representa todos tus datos: ECDFs

Calcular la ECDF

Representar la ECDF

Comparación de ECDF

¡Sigamos hacia la historia completa!

Iniciar capítulo

2

Análisis exploratorio de datos cuantitativo

En este capítulo, calcularás estadísticas descriptivas útiles que sirven para describir de forma concisa los aspectos más relevantes de un conjunto de datos con unos pocos números.

Introducción a los estadísticos descriptivos: la media y la mediana muestrales

Medias y medianas

Cálculo de medias

Percentiles, valores atípicos y diagramas de caja

Cálculo de percentiles

Comparar percentiles con la ECDF

Diagrama de caja y bigotes

Varianza y desviación estándar

Calcular la varianza

La desviación estándar y la varianza

Covarianza y coeficiente de correlación de Pearson

Diagramas de dispersión

Varianza y covarianza a simple vista

Cálculo de la covarianza

Calcular el coeficiente de correlación de Pearson

Iniciar capítulo

3

Pensar probabilísticamente: variables discretas

La inferencia estadística se apoya en la probabilidad. Como muy raramente podemos afirmar algo con certeza absoluta a partir de los datos, usamos lenguaje probabilístico para hacer afirmaciones cuantitativas. En este capítulo, aprenderás a pensar de forma probabilística sobre cantidades discretas: aquellas que solo pueden tomar ciertos valores, como los enteros.

Lógica probabilística e inferencia estadística

¿Cuál es el objetivo de la inferencia estadística?

¿Por qué usamos el lenguaje de la probabilidad?

Generadores de números aleatorios y estadística hacker

Generar números aleatorios con el módulo np.random

El módulo np.random y pruebas de Bernoulli

¿Cuántos impagos podríamos esperar?

¿Quebrará el banco?

Distribuciones de probabilidad y relatos: la distribución binomial

Muestrear de la distribución Binomial

Representar la PMF Binomial

Procesos de Poisson y la distribución de Poisson

Relación entre las distribuciones Binomial y de Poisson

¿Cuántos no-hitters en una temporada?

¿Fue 2015 anómalo?

Iniciar capítulo

4

Pensar probabilísticamente: variables continuas

Es momento de pasar a las variables continuas, como aquellas que pueden tomar cualquier valor fraccionario. Muchos principios son los mismos, pero hay matices. Al final de este último capítulo, hablarás el lenguaje probabilístico que necesitas para adentrarte en las técnicas de inferencia que se tratan en la continuación de este curso.

Funciones de densidad de probabilidad

Interpretar PDFs

Interpretar CDF

Introducción a la distribución normal

La PDF Normal

La CDF Normal

La distribución Normal: propiedades y advertencias

Gauss y el billete de 10 marcos alemanes

¿Se distribuyen normalmente los resultados de las Belmont Stakes?

¿Cuál es la probabilidad de que un caballo iguale o supere el récord de Secretariat?

La distribución exponencial

Emparejar una historia con una distribución

Esperando al próximo Secretariat

Si tienes una historia, ¡puedes simularla!

Distribución de no-hitters y ciclos

Reflexiones finales

Iniciar capítulo

Pensamiento estadístico en Python (Parte 1)

Curso
completo

Obtener certificado de logros

Añade esta certificación a tu perfil de LinkedIn o a tu currículum.
Compártelo en redes sociales y en tu evaluación de desempeño.Inscríbete ahora

¡Únete a 19 millones de estudiantes y empieza Pensamiento estadístico en Python (Parte 1) hoy mismo!

Desarrolla tus habilidades de datos con la aplicación móvil de DataCamp

Progresa desde cualquier dispositivo móvil con nuestros cursos y desafíos de programación diarios de 5 minutos.