Aprende qué es el muestreo y por qué es tan poderoso. También aprenderás sobre los problemas causados por el muestreo de conveniencia y las diferencias entre la verdadera aleatoriedad y la pseudoaleatoriedad.

Muestreo y estimaciones puntuales

Motivos del muestreo

Muestreo simple con pandas

Muestreo y cálculo sencillos con NumPy

Muestreo de conveniencia

¿Son generalizables las conclusiones de la muestra?

¿Son generalizables estos resultados?

Generación de números pseudoaleatorios

Generar números aleatorios

Comprender los valores de inicialización aleatorios

Introducción al muestreo

Es hora de ponerse manos a la obra y realizar los cuatro métodos de muestreo aleatorio en Python: simple, sistemático, estratificado y por clústeres.

Muestreo aleatorio simple y sistemático

Muestreo aleatorio simple

Muestreo sistemático

¿El muestreo sistemático es OK?

Muestreo aleatorio estratificado y ponderado

¿Qué método de muestreo?

Muestreo estratificado proporcional

Muestreo estratificado de recuentos iguales

Muestreo ponderado

Muestreo por clústeres

Ventajas de la agrupación

Realizar un muestreo por clústeres

Comparación de los métodos de muestreo

3 tipos de muestreo

Comparar estimaciones puntuales

Métodos de muestreo

Pongamos a prueba tu muestreo. En este capítulo, descubrirás cómo cuantificar la precisión de las estadísticas muestrales mediante errores relativos y aprenderás a medir la variación de tus estimaciones generando distribuciones muestrales.

Error relativo de las estimaciones puntuales

Cálculo de errores relativos

Error relativo frente al tamaño de la muestra

Crear una distribución de muestreo

Replicar muestras

Parámetros de replicación

Distribuciones muestrales aproximadas

Distribución muestral exacta

Generar una distribución muestral aproximada

Exacto vs. aproximado

Errores típicos y teorema central del límite

Población y distribución muestral medias

Variación de la población y de la distribución muestral

Distribuciones muestrales

Te familiarizarás con el remuestreo para realizar bootstrapping y estimar la variación en una población desconocida. Aprenderás la diferencia entre las distribuciones de muestreo y las distribuciones bootstrap mediante remuestreo.

Introducción al bootstrapping

Opciones

Verdadero

Falso

Principios del bootstrapping

¿Con o sin reemplazo?

Con reemplazo

Sin reemplazo

Generar una distribución bootstrap

Comparación de las distribuciones de muestreo y bootstrap

Estadística Bootstrap y estadística de población

Distribución muestral vs. distribución bootstrap

Compara las medias muestrales y bootstrap

Comparar desviaciones típicas de muestreo y bootstrap

Intervalos de confianza

Interpretación del intervalo de confianza

Cálculo de intervalos de confianza

¡Enhorabuena!

Distribuciones Bootstrap

Coffee ratings

Spotify song attributes

Employee attrition

El muestreo en Python es la piedra angular de la estadística de inferencia y las pruebas de hipótesis. Es una poderosa habilidad utilizada en el análisis de encuestas y el diseño experimental para sacar conclusiones sin encuestar a toda una población. En este curso de Muestreo en Python, descubrirás cuándo utilizar el muestreo y cómo realizar tipos comunes de muestreo, desde el muestreo aleatorio simple hasta métodos más complejos como el muestreo estratificado y por clústeres. Utilizando conjuntos de datos del mundo real, como valoraciones de café, canciones de Spotify y bajas de empleados, aprenderás a estimar estadísticas de población y a cuantificar la incertidumbre en tus estimaciones generando distribuciones de muestreo y distribuciones bootstrap.

Introduction to Statistics in Python

Aprende a sacar conclusiones de datos limitados con Python y estadística, desde muestreo aleatorio.

Muestreo en Python

Extrae conclusiones a partir de datos limitados con Python y estadística: desde el muestreo aleatorio al estratificado y el muestreo por clústeres.

Científico de datos asociado  en Python

Analista de datos  en Python

Fundamentos de Estadística  en Python

Curriculum Manager, DataCamp

Comparing sampling and bootstrap distributions

Coffee focused subset

The bootstrap of mean coffee flavors

Mean flavor bootstrap distribution

Sample, bootstrap distribution, population means

Interpreting the means

Sample sd vs. bootstrap distribution sd

Sample, bootstrap dist'n, pop'n standard deviations

Interpreting the standard errors

Let's practice!

https://s3.amazonaws.com/assets.datacamp.com/production/course_37209/subtitles/course_37209_7b51997443956a62720e0cfc7076f6af.vtt

Distribuciones Bootstrap - Comparación de las distribuciones de muestreo y bootstrap

Comparación de las distribuciones de muestreo y bootstrap

Create Your Free Account