Curso de Estadística Inferencial con R

Curso de Estadística Inferencial con R

Instruido por:
Julián Cruz
Julián Cruz
Avanzado
5 horas de contenido
Ver la ruta de aprendizaje
Modelo de Pronóstico de Logros Académicos
Proyecto del curso
Modelo de Pronóstico de Logros Académicos

Analiza el rendimiento de miles de estudiantes con tan solo una muestra. Determina las variables socioeconómicas que incrementan el rendimiento de un alumno y visualiza gráficamente los resultados

Curso de Estadística Inferencial con R

Curso de Estadística Inferencial con R

Progreso del curso:0/37contenidos(0%)

Contenido del Curso
Tutoriales de estudiantes
Preguntas de estudiantes

Progreso del curso:0/37contenidos(0%)

Teoría

Material Thumbnail

Valor esperado condicional

07:53 min

Material Thumbnail

Muestras y poblaciones

03:51 min

Material Thumbnail

Estimadores y parámetros

04:49 min

Material Thumbnail

Casos paramétricos y no paramétricos

04:16 min

Material Thumbnail

El espacio de parámetros

04:35 min

Material Thumbnail

Estimación puntual

04:56 min

Material Thumbnail

Estimación por intervalo

05:36 min

Material Thumbnail

Teoría no paramétrica

04:48 min

Material Thumbnail

Estimación funcional: una sola variable

05:34 min

Material Thumbnail

Estimación funcional: valor esperado condicional

03:21 min

Material Thumbnail

Validación cruzada

04:50 min

Introducción a las pruebas de hipótesis

07:07 min

Material Thumbnail

Pruebas de hipótesis

02:43 min

Simulación

Material Thumbnail

Teorías formales

05:30 min

Instalación de R

01:47 min

Material Thumbnail

Explorando datos simulados

12:18 min

Material Thumbnail

Simulando estimadores puntuales

11:21 min

Material Thumbnail

Simulando intervalos de confianza

08:07 min

Material Thumbnail

Observando el comportamiento del tamaño muestral

10:41 min

Material Thumbnail

Estimando distribuciones simuladas

11:37 min

Material Thumbnail

Red neuronal vs. regresión lineal

10:10 min

Material Thumbnail

Examinando el sesgo y la varianza

07:34 min

Material Thumbnail

Haciendo un bootstrapping a un modelo

19:25 min

Material Thumbnail

Hagamos la validación cruzada

16:32 min

Material Thumbnail

Revisemos la potencia de una prueba

13:59 min

Proyecto

Material Thumbnail

Estimación de parámetros con datos reales

08:02 min

Material Thumbnail

Estimación por intervalo de parámetros con datos reales

16:22 min

Material Thumbnail

Red neuronal de pronóstico con datos reales

09:59 min

Material Thumbnail

Validación cruzada de nuestra red neuronal

10:06 min

Material Thumbnail

Calculando el tamaño óptimo de la muestra

09:16 min

Material Thumbnail

Contextualización de la red neuronal

09:46 min

Conclusiones

Material Thumbnail

¿Qué más sigue?

00:35 min

nuevosmás votadossin responder
Miguel Angel Velazquez Romero
Miguel Angel Velazquez Romero
Estudiante

¿Por que mejor no suben el código a Github?

3
JAVIER SANTIAGO SALGADO
JAVIER SANTIAGO SALGADO
Estudiante

El hecho de que convergen al parámetro cuando la muestra aumenta, supongo tiene que ver con la ley de grandes números, ¿Es así?

4
Miguel Angel Velazquez Romero
Miguel Angel Velazquez Romero
Estudiante

¿Qué tiene que ver el Dr. F. Frankenstein en la estimación puntual?

3
Diego Alejandro Lesmes
Diego Alejandro Lesmes
Estudiante

¿Poder usar los puntajes de otras materias implica que a la red neuronal no le interesa si se usan covariables categoricas o continuas?

1
Jessie Buckland Pérez
Jessie Buckland Pérez
Estudiante

¿De que clases anteriores podemos aprender los conceptos de variables discretas y continuas?

8
Victor Hugo Borda Gallegos
Victor Hugo Borda Gallegos
Estudiante
netamente utilizaremos R o habra un desenbolbimiento en Rstudio?
3