# Estadística — apuntes

Clase del viernes 14 de marzo · Prof. Fernanda Castro

## Probabilidad

Dos eventos son independientes si que ocurra uno no cambia la probabilidad del otro. Cabe destacar que el teorema de Bayes permite actualizar una probabilidad cuando llega nueva información. Además, la distribución binomial cuenta éxitos en un número fijo de intentos independientes. La distribución normal tiene forma de campana y queda definida por su media y su desviación estándar.

- La probabilidad de un evento es un número entre 0 y 1.
- La probabilidad condicional P(A|B) es la probabilidad de A sabiendo que ocurrió B.

## Medidas de tendencia central

- La media es el promedio aritmético y es muy sensible a los valores extremos.
- La mediana es el valor del centro cuando los datos están ordenados.
- La moda es el valor que más se repite y puede haber más de una.
- La desviación estándar mide qué tan dispersos están los datos respecto a la media.
- En distribuciones con sesgo, como los salarios, la mediana representa mejor el valor típico.
- El rango intercuartílico es la diferencia entre el tercer y el primer cuartil.

## Regresión lineal

Los coeficientes se estiman con mínimos cuadrados, minimizando la suma de los errores al cuadrado. Cabe destacar que el coeficiente de determinación R² indica qué proporción de la variación explica el modelo.

- La regresión lineal busca la recta que mejor ajusta la relación entre dos variables.
- Correlación no implica causalidad: dos variables pueden moverse juntas por un tercer factor.
- Conviene graficar los residuos para revisar si el modelo lineal es adecuado.

```python
import numpy as np
x = np.array([1, 2, 3, 4, 5])
y = np.array([2.1, 3.9, 6.2, 7.8, 10.1])
pendiente, intercepto = np.polyfit(x, y, 1)
print(pendiente, intercepto)
```

## Pendientes

- [ ] Pedir las diapositivas por correo
- [ ] Repasar el ejemplo de probabilidad
- [ ] Buscar ejercicios resueltos de regresión lineal

**Parcial:** jueves 3 de abril
