Pruebas de hipótesis en Python
Aprende cómo y cuándo usar pruebas de hipótesis comunes como t-tests, pruebas de proporción y chi-cuadrado en Python.
Comienza El Curso Gratis4 horas15 vídeos50 ejercicios38.728 aprendicesDeclaración de cumplimiento
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.¿Entrenar a 2 o más personas?
Probar DataCamp for BusinessPreferido por estudiantes en miles de empresas
Descripción del curso
Las pruebas de hipótesis te permiten responder a preguntas sobre tus conjuntos de datos de forma estadísticamente rigurosa. En este curso, desarrollarás tus competencias analíticas en Python aprendiendo cómo y cuándo utilizar pruebas comunes como las pruebas t, las pruebas de proporción y las pruebas χ². Trabajando con datos del mundo real, incluidos datos de cadena de suministro y comentarios de usuarios de Stack Overflow sobre envíos de suministros médicos, comprenderás en profundidad cómo funcionan estas pruebas y los supuestos clave que las sustentan. También descubrirás cómo pueden utilizarse pruebas no paramétricas para superar las limitaciones de las pruebas de hipótesis tradicionales.
¿Entrenar a 2 o más personas?
Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.En las siguientes pistas
Fundamentos de Estadística en Python
Ir a la pista- 1
Fundamentos de las pruebas de hipótesis
Gratuito¿Cómo funcionan las pruebas de hipótesis y qué problemas pueden resolver? Para averiguarlo, recorrerás el flujo de trabajo de una prueba de proporción de una muestra. Al hacerlo, te encontrarás con conceptos importantes como z-score, valor p, falso negativo y falso positivo.
Pruebas de hipótesis y z-score50 xpUsos de las pruebas A/B50 xpCálculo de la media muestral100 xpCálculo de z-score100 xpValores p50 xpProcesos penales y pruebas de hipótesis50 xpCola izquierda, cola derecha, dos colas100 xpCálculo de valores p100 xpSignificación estadística50 xpDecisiones a partir de valores p50 xpCálculo de un intervalo de confianza100 xpErrores de tipo I y de tipo II100 xp - 2
Pruebas de dos muestras y ANOVA
En este capítulo, aprenderás a buscar diferencias de medias entre dos grupos usando pruebas t y a ampliar esto a más de dos grupos usando pruebas t pareadas y ANOVA.
Realización de pruebas t50 xpFlujo de trabajo de las pruebas de hipótesis100 xpEstadístico de prueba de media de dos muestras100 xpCálculo de valores p a partir del estadístico t50 xp¿Por qué se necesita t?50 xpLa distribución t50 xpDe t a p100 xpPruebas t pareadas50 xp¿Es necesario el emparejamiento?100 xpVisualización de la diferencia100 xpUso de ttest()100 xpPruebas ANOVA50 xpVisualización de muchas categorías100 xpEjecución de una prueba ANOVA100 xpPruebas t pareadas100 xp - 3
Pruebas de proporción
Es el momento de buscar diferencias de proporciones entre dos grupos usando pruebas de proporción. Con ejercicios prácticos, llevarás tus pruebas de proporción a más de dos grupos con las pruebas de independencia de χ², y volverás al caso de una muestra con las pruebas de χ² de bondad de ajuste.
Pruebas de proporción de una muestra50 xp¿t para proporciones?50 xpPrueba para proporciones únicas100 xpPruebas de proporción de dos muestras50 xpPrueba de dos proporciones100 xpproportions_ztest() para dos muestras100 xpPrueba de independencia de χ²50 xpLa distribución χ²50 xp¿Cuántas colas para las pruebas χ²?50 xpEjecución de una prueba χ²100 xpPruebas de χ² de bondad de ajuste50 xpVisualización de la bondad de ajuste100 xpEjecución de una prueba de bondad de ajuste100 xp - 4
Pruebas no paramétricas
Por último, es hora de conocer los supuestos realizados por las pruebas de hipótesis paramétricas y ver cómo pueden utilizarse pruebas no paramétricas cuando no se cumplen esos supuestos.
Supuestos de las pruebas de hipótesis50 xpSupuestos comunes de las pruebas de hipótesis50 xpTamaño de muestra de prueba100 xpPruebas no paramétricas50 xp¿Qué prueba paramétrica?50 xpPrueba de los rangos con signo de Wilcoxon100 xpPruebas t no pareadas y ANOVA no paramétricas50 xpWilcoxon Mann Whitney100 xpKruskal-Wallis100 xp¡Enhorabuena!50 xp
¿Entrenar a 2 o más personas?
Obtén a tu equipo acceso a la plataforma DataCamp completa, incluidas todas las funciones.En las siguientes pistas
Fundamentos de Estadística en Python
Ir a la pistaconjuntos de datos
Late ShipmentsStack OverflowU.S. Democrat Votes 2012/2016U.S. Republican Votes 2008/2012colaboradores
requisitos previos
Sampling in Python
¿Qué tienen que decir otros alumnos?
¡Únete a 15 millones de estudiantes y empieza Pruebas de hipótesis en Python hoy mismo!
Crea Tu Cuenta Gratuita
o
Al continuar, acepta nuestros Términos de uso, nuestra Política de privacidad y que sus datos se almacenan en los EE. UU.