En primer lugar, ¿Por qué las estadísticas? A medida que descubrimos el poder de las estadísticas en estas estadísticas en Python, serie de la parte 1, hay numerosas preguntas que las estadísticas pueden ayudarlo a responder, como (y la lista no termina aquí):

• Comportamiento e información del consumidor : ¿qué probabilidades hay de que alguien compre un producto? ¿Qué sistema de pago van a utilizar en función de los datos de su historial de compras?
• Orientación y optimización de anuncios: ¿Qué anuncio es más eficaz para que las personas compren un producto?
• Optimización: ¿cómo se puede optimizar la ocupación en un hotel en función de los datos del historial de ocupación anterior?
• Patrones: ¿Cuál es el tamaño más adecuado de camisetas en función de lo que lleva el 95% de la población?
• Si es probable que los medicamentos curen enfermedades o si la vacuna es eficaz, etc., etc.

Terminologías que debe conocer:

• Población : es un grupo identificado de individuos.
• Variable : es un factor o condición medible que existe en diferentes cantidades o tipos.
• Tamaño del efecto : transmite cuánta diferencia hay entre los promedios de las variables.
• Muestreo aleatorio : es una forma (aleatoria) de seleccionar individuos de una población que asegura que cada individuo tenga la misma probabilidad de ser seleccionado.
• Estimación puntual : es una estimación de algún valor en una población, como un promedio
• Intervalos de confianza : es el rango de valores alrededor de las estimaciones puntuales que probablemente contienen el valor real de una variable en la población / muestra.
• Margen de error : se utiliza para estimar errores de cálculo o errores, es una cantidad calculada sumada y restada a una estimación puntual
• Desviación estándar : la distancia promedio entre cada punto de datos y el promedio total

Conocer el tipo de estadísticas que necesita para responder su pregunta lo ayudará a elegir los métodos adecuados para obtener la respuesta más precisa posible. Hay dos ramas de la estadística:

• Estadística descriptiva: describe y resume los datos.

¿Cómo llegan los estudiantes a su universidad? La respuesta puede ser que el 40% conduzca al trabajo, el 35% viaje en autobús y el 25% en bicicleta, etc.

• Estadística inferencial: toma datos de muestra para hacer inferencias con respecto a una población más grande.

Qué porcentaje de estudiantes conduce a la universidad al inferir los datos de la muestra

Hay dos tipos de datos:

Datos numéricos o cuantitativos : se compone de valores numéricos que se dividen a su vez en discretos (elementos contados) y continuos (variables medidas). Para este tipo de datos, podemos usar estadísticas resumidas como la media y gráficos como gráficos de dispersión, etc.

• Datos categóricos o cualitativos : se componen de valores que pertenecen a distintos grupos que se dividen a su vez en nominales y ordinales. Para este tipo de datos utilizamos estadísticas resumidas como recuentos y gráficos como gráficos de barras, etc.

Ejemplos de datos cualitativos: estado civil, tipo de enfermedad, color de ojos, etc.

Es importante comprender sus datos, ya que lo ayudarán a elegir visualizaciones y estadísticas de resumen correctas.

Medida del centro

Es el valor en el centro o en el medio del conjunto de datos.

Hay cuatro medidas de centro:

• Significar
• Mediana
• Modo
• Distancia

La variabilidad es la clave de las estadísticas. Por lo tanto, cuando describa los datos, nunca confíe solo en el centro. La medida de propagación identificó la propagación de los valores.

Hay cuatro medidas de extensión / variación:

1. Desviación Estándar
2. Rango intercuartil (IQR)
3. Diferencia

¿Qué medida usar?

• Si la distribución es normal o simétrica, use la media y la desviación estándar. La media funciona mejor para datos simétricos y es más sensible a valores extremos.
• Si la distribución está sesgada o tiene valores atípicos grandes, utilice Mediana, Rango o IQR. Por lo general, es mejor usar la mediana cuando los datos están sesgados, es decir, no son simétricos.
• Si la distribución es bimodal, use el modo para averiguar si los dos modos representan diferentes grupos o rango

Gracias por leer. Sigue aprendiendo y codificando :)

¿Quieres leer el humor de los programadores?

Humor de programación, parte 2 Los comentarios de código más divertidos de todos los tiempos Codificación de pecados: Confesiones divertidas de los desarrolladores 10 chistes ingeniosos de programación que te harán ir ROFL

Artículos recomendados -

Iteradores, generadores y decoradores de Python simplificados ¡ 23 técnicas de ciencia de datos que debe conocer! Pecados de codificación: Confesiones Desarrollador hilarantes 5 Técnicas Avanzadas fresca pandas para científicos de datos de desbordamiento de pila analizaron los datos de más de 60.000 desarrolladores de software - horas de trabajo, idiomas que ... Avanzada Python Made Easy - Parte 4 avanzada Python Made Easy - Parte 1