Autoplay
Autocompletar
Lección previa
Completar y continuar
Curso completo de Estadística Descriptiva con R y Python
SECCIÓN 1: INTRODUCCIÓN
Introducción (3:38)
Conoce a Juan Gabriel Gomila, tu instructor online (2:12)
SECCIÓN 2: INSTALACIÓN Y PUESTA A PUNTO
¿Qué vamos a aprender en esta sección? (1:46)
¿Qué es R y RStudio? (8:08)
No instales la versión de R 4.0.0
Como instalar R y RStudio - Versión Antigua (15:35)
Si tienes problemas con Ubuntu...
El repositorio del curso (12:35)
SECCIÓN 3: TRABAJANDO CON R
Ficheros, Scripts y RMarkDowns (13:25)
Problemas con la generación del PDF
La ayuda de R (9:19)
Cómo instalar y cargar librerías en R (13:06)
R como calculadora (15:14)
Funciones y Combinatoria con RStudio (9:44)
Funciones trigonometricas (12:04)
Redondeo y decimales en R (15:02)
Cómo crear variables en R (9:51)
Cómo crear funciones en R (16:20)
Trabajar con números complejos (17:27)
Cuestionario 1: Utilizando R como calculadora
SECCIÓN 4: TRABAJANDO CON PHYTON
Aplicar la estadística descriptiva en Phyton (1:51)
Constantes en Python (18:37)
Operaciones aritméticas y redondeo (22:06)
Operaciones de entrada y salida (13:08)
Operadores de decisión (10:12)
Funciones matemáticas (19:46)
Cómo definir funciones con Phyton (24:02)
Argumentos variables y lambdas (16:22)
Recursos adicionales de Phyton
SECCIÓN 5: DOCUMENTACIÓN CON R MARKDOWN
Introducción a RMarkDown (2:47)
LaTeX y RMarkDown (11:36)
Guia rápida de LaTeX (14:37)
Cómo documentar matrices y sistemas de LaTeX (18:14)
Chunks en RMarKdown (8:40)
Los parámetros de las chunks (15:20)
Documentación de textos utilizando Markdown (21:32)
Cuestionario 2: Documentación de textos científicos
SECCIÓN 6: ESTRUCTURAS DE DATOS EN R
Vectores y tipos de de datos en R (14:27)
Progesiones artiméticas y secuencias (10:56)
Funciones y orden de vectores (18:00)
Subvectores y filtros (23:53)
Factores (19:45)
Matrices (15:13)
Un repaso al álgebra lineal (15:54)
Cuestionario 3: Repasando estructuras de datos
SECCIÓN 7: ESTRUCTURAS DE DATOS EN PHYTON
Las listas de Phyton (16:48)
Bucles para recorrer listas (14:54)
Las tuplas de Phyton (14:23)
Los diccionarios de Phyton (12:40)
La librería Numpyy los arrays (21:08)
Propiedades y manipulación de arrays (14:11)
Copias y visitas de arrays (5:55)
Todo el potencial de Numpy (17:23)
Más ejercicios para acabar la sección (3:11)
SECCIÓN 8: INTRODUCCIÓN A LA REPRESENTACIÓN GRÁFICA
Representación gráfica con plot (10:11)
Parámetros de la función plot (18:06)
Más parámetros de la representación gráfica (14:20)
Cómo añadir texto y curvas a un gráfico (12:44)
La leyenda de los gráficos (7:39)
Segmentos, flechas, símbolos y polígonos (8:41)
Introducción a matplotlib para phyton (27:15)
Múltiples gráficos en una misma figura (14:29)
Figuras y ejes (5:11)
Añadir texto a los gráficos (19:47)
Cambios de ejes y escalas (15:14)
Ejercicio: un ejemplo de gráfico detallado de Python (32:25)
SECCIÓN 9: DATA FRAMES
El formato de los datos en el siglo XXI (28:54)
¿Qué es un Data Frame? (17:47)
Cómo cargar data frames en R (18:09)
Guardar y cargar datos en varios formatos (15:24)
Como construir data frames (16:31)
Filter y subset de data frames (14:49)
Sapply, Aggregate y Attach/Detach de data frames (17:21)
Crear data frames con Python (10:38)
Agregados de Data Frames con Python (22:28)
Parámetros de la función groupby en Python (10:04)
Exportar gráficos a ficheros png (10:16)
SECCIÓN 10: ESTADÍSTICA DESCRIPTIVA CON DATOS CUALITATIVOS
Estadística descriptiva VS estadística inferencial (12:15)
Estudio de datos cualitativos (5:10)
Frecuencias absolutas y relativas (9:46)
La función prop.table (14:34)
Tablas de frecuencias bidimensionales (13:49)
La función Cross Table (14:52)
Un ejemplo de estadística multidimensional (18:37)
El conjunto de datos HairEyeColor (15:27)
Tablas a partir de data frames de variables cualitativas (10:41)
Diagramas circulares (7:21)
Diagrama de mosaico (11:29)
Un ejercicio completo de datos cualitativos (27:39)
Los supervivientes del Titanic con Python (19:09)
SECCIÓN 11: ESTADÍSTICA DESCRIPTIVA CON DATOS ORDINALES
Estudio de datos ordinales (2:45)
Frecuencias acumuladas en datos ordinales (12:40)
Frecuencias acumuladas en R (4:53)
El ejemplo de los cuellos de las jirafas (4:20)
Análisi de datos ordinales por factor (12:03)
Convertir datos cuantitativos en factores ordinales (15:06)
SECCIÓN 12: ESTADÍSTICA DESCRIPTIVA CON DATOS CUANTITATIVOS
Estudio de datos cualitativos (9:30)
El estudio de las frecuencias (6:45)
Medidas de centralización (12:19)
Las diferentes medidas en matemáticas (23:27)
Medidas de posición (16:27)
Medidas de dispersión (15:07)
Demostración: fórmula alternativa de la varianza (9:02)
Cómo calcular las medidas de dispersión en R (9:00)
Agregar datos cuantitativos por factor (16:49)
El diagrama de caja y bigotes (12:15)
Configuración de los diagramas de caja y bigotes (16:42)
Ejercicio: ¿qué insecticida funciona mejor? (12:07)
Análisis de planetas con Python (26:53)
Diagramas de caja con Python (17:47)
Cuestionario 4: Estadística descriptiva de datos cuantitativos
SECCIÓN 13: ANÁLISIS DE DATOS CUANTITATIVOS AGRUPADOS
La necesidad de agrupar datos cuantitativos (7:26)
El proceso de agrupación de datos cuantitativos (15:31)
Implementando las reglas de agrupación (17:18)
La función cut de R (13:56)
La función cut en python (31:27)
Ejercicio: un script para calcular la tabla de frecuencias con datos agrupados (23:55)
El ejemplo de las anchuras de los cangrejos (4:22)
Ejercicio: las notas de bachillerato (15:00)
Estadisticos para datos agrupados (11:26)
Ejercicio: calcular estadísticos de datos agrupados (16:36)
Los histogramas de frecuencias (11:11)
Representar histogramas con R (17:13)
Densidades y funciones de distribución (13:23)
Ejercicio: histogramas de la distribución de los cangrejos (12:12)
Histogramas en Python a mano (19:54)
Histogramas con Numpy (15:13)
Histogramas con Matplotlib y Pandas (14:01)
Funciones de densidad en Python (20:58)
Otras alternativas para representar histogramas (19:18)
Cuestionario 5: Análisi de datos cuantitativos agrupados
SECCIÓN 14: INTRODUCCIÓN A LA REGRESIÓN LINEAL
La regresión lineal (8:30)
El coeficiente de determinación (7:01)
Transformaciones logarítmicas de los datos (6:32)
Ejercicio: relaciones exponenciales (6:08)
Regresión lineal en Python (20:50)
Entrenamiento y validación de un modelo lineal (10:15)
SECCIÓN 15: DISTRIBUCIONES DE PROPABILIDAD
El concepto de probabilidad (14:44)
Variables aleatorias y funciones de distribución (12:36)
Variables aleatorias discretas (11:30)
El sesgo de una distribución de probabilidad (9:40)
Introducción a las distribuciones de probabilidad (5:13)
La distribución de Bernoulli (22:14)
La distribución Binomial (33:31)
La distribución de Poisson (18:44)
La distribución binomial negativa (8:45)
Variables aleatorias contínuas (10:53)
La distribución Normal (12:35)
Otras distribuciones conocidas (8:46)
SECCIÓN 16: EJEMPLOS DE ANÁLISIS COMPLETOS
Análisis de los diamantes en Python (43:11)
La cache de los R Markdown (6:45)
Más como sobre juntar R y Python (23:33)
Ejercicio: los vuelos del aeropuerto de Nueva York (18:48)
Medidas de centralización en Python (26:43)
Medidas de dispersión en Python (22:35)
Medidas de forma en Python (21:45)
Análisis de El Señor de los Anillos (30:40)
Todo el potencial de Numpy
Contenido bloqueado
Si ya estás inscrito,
deberás iniciar sesión
.
Inscríbase en el curso para desbloquear