Domina la estadística computacional usando Python para analizar datos, realizar simulaciones y calcular probabilidades. Aprende a aplicar técnicas de inferencia estadística y a desarrollar simulaciones de Monte Carlo.
Programación Dinámica
Caminos Aleatorios
- 4

Simulaciones con Caminos Aleatorios en Programación
07:26 min - 5

Camino Aleatorio en Programación Orientada a Objetos
17:29 min - 6

Algoritmo de Caminata Aleatoria en Python: Clase Borracho
14:36 min - 7

Simulación de Caminata Aleatoria con Python
14:18 min - 8

Visualización de Caminatas Aleatorias con Python y Bokeh
11:48 min
Programas Estocásticos
- 9

Programación Estocástica: Aplicaciones y Ejemplos Prácticos
05:25 min - 10

Cálculo de Probabilidades y Simulación de Montecarlo
12:33 min - 11

Simulaciones de Probabilidades con Dados en Python
14:23 min - 12

Inferencia Estadística: Conceptos y Aplicaciones Prácticas
09:43 min - 13

Cálculo de la Media Aritmética en Python paso a paso
06:38 min - 14

Media, Varianza y Desviación Estándar en Estadística
11:35 min - 15

Distribución Normal: Propiedades y Aplicaciones Estadísticas
08:19 min
Simulaciones de Montecarlo
Muestreo e Intervalos de Confianza
Datos Experimentales
Conclusiones
Conoce quién enseña el curso
David Aroesti
Cloud Engineer en Google
Cloud Engineer en Google
4.7 · 2039 opiniones

Sebastián Sierra
Excelente curso para aprender estadística de manera práctica con Python. En lugar de solo teoría, implementas conceptos reales. Perfecto para quienes programan y quieren entrar al análisis de datos. Puede ser desafiante, pero te da bases sólidas para machine learning y ciencia de datos. Muy recomendado.


Hassan Muhieddine
me pareció bueno el curso!

Kevin Steven Arias Pasuy
Genial el contenido teórico-practico del curso de Estadística de computación.

Javier Enriquez Sanchez
Creo que el señor Aroesti es uno de los mejores profesores de Platzi , sus explicaciones suelen ser precisas y faciles de interpretar
Este curso es parte de estas rutas de aprendizaje
La comunidad es nuestro super poder
Contenido adicional creado por la comunidad que nunca para de aprender







