1
Probabilidad
Teoría de conjuntos, espacio de probabilidad, axiomas, probabilidad condicional y teorema de Bayes.
Curso interactivo
Probabilidad para Data Science
Basado en Introduction to Probability for Data Science de Stanley Chan. Cada capítulo combina teoría, visualizaciones y código Python.
Empezar con Capítulo 1Capítulos
2
Variables Aleatorias Discretas
PMF, CDF, expectación, Bernoulli, Binomial, Geométrica, Poisson.
3
Variables Aleatorias Continuas
PDF, CDF, uniforme, exponencial, Gaussiana, transformación de variables.
4
Distribuciones Conjuntas
Joint PMF/PDF, covarianza, correlación, PCA, Gaussianas multidimensionales.
5
Estadística Muestral
MGF, desigualdades, ley de grandes números, teorema central del límite.
6
Regresión
Regresión lineal, overfitting, sesgo-varianza, regularización Ridge y LASSO.
7
Estimación
MLE, MAP, MMSE, propiedades de estimadores, prioris conjugadas.
8
Confianza y Tests
Intervalos de confianza, bootstrap, tests de hipótesis, curvas ROC.
9
Procesos Aleatorios
WSS, autocorrelación, densidad espectral, filtro de Wiener.