Estadística y Probabilidad Aplicadas para Machine Learning

VARIABLES ALEATORIAS Y ESTADÍSTICA DESCRIPTIVA. FUNDAMENTOS ESTADÍSTICOS PARA MACHINE LEARNING

• Identificación estadística de variables aleatorias
• Escalas de medición
• Distribuciones de probabilidad
• Variables aleatorias discretas
• Variables aleatorias continuas

DISTRIBUCIONES, NORMALIDAD Y CALIDAD DE DATOS

• Distribución normal
• Prueba de bondad de ajuste a la normal
• Forma de la distribución
• Implicaciones para Machine Learning
• Impacto en modelos de ML

ENLACE ESTADÍSTICO DE VARIABLES ESTOCÁSTICAS. RELACIONES Y DEPENDENCIA.

• Tablas de contingencia
• Correlación
• Colinealidad y selección de variables
• Enfoque aplicado a Machine Learning

COMPARACIÓN DE DOS MEDIAS O RANGOS

• Pruebas estadísticas paramétricas
• Pruebas estadísticas no paramétricas
• Aplicaciones en Machine Learning:

REGRESIÓN LINEAL COMO BASE DEL MACHINE LEARNING

• Regresión lineal
• Evaluación del modelo
• Construcción y aplicaciones
• Enfoque ML