La guia práctica de Python para el Laboratorio de Estadística Computacional.
Esta es una recopilación de guias que te ayudarán a introducirte a las herramientas disponibles en python para el análisis estadístico. El objetivo de estas guías es lograr que el lector:
- Adopte estilos y buenas prácticas de programación con Python.
- Aprenda a utilizar modulos del ambiente scipy, tales como:
- Practique la manipulación de dato y aplique su razonamiento estadístico con casos de la mundo real.
Puedes abrir una copia directamente con el siguiente link:
- Introducción y Herramientas Básicas: Preparación del laboratorio, guias de estilo y buenas prácticas con Python. Una introducción a las herramientas que se útilizarán.
- Análisis Exploratorio: Carga, limpia y manipula datos usando pandas, crea visualizaciones informativas con matplolib, seaborn y plotly.
- Vectores, Eventos Aleatorios y Probabilidad: Aprende de lo básico a lo avanzado de NumPy. Python para la estadística computacional.
- Distribuciones y Variables Aleatorias: Utiliza las Variables Aleatorias y Distrubuciones disponibles con el paquete de scipy.
A. Datasets: Colección de distintos datasets.
B. Algebra Lineal: Pronto ...
Toda la documentación de los módulos se encuentra disponible en sus respectivas páginas.
- Python for Data Analysis, 2nd Edition by William McKinney web
- Think Bayes: Bayesian Statistics in Python, Allen B. Downey · O'Reilly Media web
- Think Stats: Exploratory Data Analysis, Allen B. Downey · O'Reilly Media web
- Seeing Theory, A visual introduction to probability and statistics. web
- Kaggle: Your Home For DataScience web