Distribuciones de probabilidad


Con scipy se puede calcular todo lo referente a probabilidad

Drive del curso:

https://drive.google.com/drive/u/1/folders/1O8yMnq_pZJSuo56KOhlmAdfmrJcwq0Sl

Usando la distribución binomial8/17

https://colab.research.google.com/drive/1MR9VZg19vHyZhvWWuxtNcy_3PZQ7AfwW?usp=sharing

Distribuciones continuas9/17

https://colab.research.google.com/drive/1irEydg8IAGb9jVDJJ-GWqb2jbKyEiqgn?usp=sharing

https://s3-us-west-2.amazonaws.com/secure.notion-static.com/d2680053-7ef0-40c5-a799-3c39e52664d4/Untitled.png

¿Cómo estimar una distribución?10/17

https://colab.research.google.com/drive/1Sbe1O3zf-uqzgoog3CTNIOTewRo0nUwr?usp=sharin

Estimación Paramétrica

Se basa realizar el cálculo de una distribución teórica, cuyos parámetros se basan en la información o en el conjunto de datos con el que estamos trabajando. En el ejemplo en clase, primero se calcula un conjunto de datos aleatorios, que sigue a una distribución normal, cuya media será 50 y el desvío estandar será de 5. Esto se genera a partir de la siguiente línea de código:

sample = normal(loc = 50, scale = 5, size = 1000) #Donde loc es la media y scale el desvío estandar

Si graficamos el resultado, veremos algo como lo expuesto en la siguiente imagen, la cual tiene una forma de distribución normal: