Inicio
Cursos
Simulaciones Montecarlo en Python

Visualización de los resultados de la simulación

Este ejercicio forma parte del curso

Simulaciones Montecarlo en Python

IntermedioNivel de habilidad

4.8+

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

Exercise 1: ¿Qué es una simulación Montecarlo?Exercise 2: Simulación determinista Exercise 3: Naturaleza estocástica de la simulación Montecarlo Exercise 4: La ley de los grandes números Exercise 5: El remuestreo como tipo especial de simulación Montecarlo Exercise 6: Muestreo con sustitución Exercise 7: Visualización de los resultados del remuestreo Exercise 8: Práctica de permutación Exercise 9: Aprovechamiento de las simulaciones Montecarlo Exercise 10: Qué son las simulaciones Montecarlo Exercise 11: Simulación de dados emparejados

Ahora que puedes ejecutar tus propias simulaciones sencillas, estarás preparado para explorar la aplicación en el mundo real de las simulaciones Montecarlo 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 sobre distribuciones de probabilidad para variables aleatorias discretas, continuas y multivariante.

Exercise 1: El proceso Montecarlo Exercise 2: Pasos de las simulaciones Montecarlo Exercise 3: Cálculo determinista erróneo Exercise 4: Distribuciones de entrada erróneas Exercise 5: Generación de variables aleatorias discretas Exercise 6: Muestreo a partir de una distribución uniforme discreta Exercise 7: Muestreo de una distribución geométrica Exercise 8: Apuestas entre Tom y Eva Exercise 9: Generación de variables aleatorias continuas Exercise 10: Cambio de la media de las distribuciones normales Exercise 11: Cambio de la desviación típica de las distribuciones normales Exercise 12: Dos distribuciones normales independientes Exercise 13: Generación de variables aleatorias multivariante Exercise 14: Muestreo multinomial Exercise 15: Exploración de una distribución normal multivariante Exercise 16: Muestreo normal multivariante

Una vez que te sientas cómodo con tu elección de distribución de probabilidad, estarás preparado para seguir un flujo de trabajo de simulación Montecarlo basada 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.

Exercise 1: Explorar los datos Exercise 2: Examen de tc, ldl y hdl Exercise 3: Examen de y, tc, y cdl Exercise 4: ¿Por qué hay que explorar los datos?Exercise 5: Selección de distribuciones de probabilidad Exercise 6: Prueba otras distribuciones posibles Exercise 7: Uso de la visualización para adivinar una distribución Exercise 8: Entradas con correlaciones Exercise 9: Comparación de datos simulados e históricos Exercise 10: La relación entre las matrices de correlación y covarianza Exercise 11: Síntesis estadística Exercise 12: ¿Por qué se necesitan simulaciones?Exercise 13: Evaluar los resultados BMI Exercise 14: Evaluar los resultados de BMI y HDL

Descubre cómo evaluar tus modelos Montecarlo 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 las entradas del modelo y practica este concepto simulando cómo afectan a los beneficios empresariales los cambios en las ventas y la inflación.

Exercise 1: Evaluación de las opciones de distribución Exercise 2: Intuición de las distribuciones de probabilidad Exercise 3: Evaluación del ajuste de la distribución para la variable ldl Exercise 4: Visualización de los resultados de la simulación

Ejercicio actual

Exercise 5: Explora HDL y BMI resultados Exercise 6: Exploración con diagramas de caja Exercise 7: Análisis de sensibilidad Exercise 8: Simulación de un problema de beneficios Exercise 9: Análisis de sensibilidad de la empresa Exercise 10: Análisis de sensibilidad mediante el gráfico hexbin Exercise 11: ¡Enhorabuena!