Manuel Data Studio

26/07/2026

Estadística descriptiva y cálculo de probabilidades.





Descargar el libro ingresando al link:

https://drive.google.com/file/d/12Jvesk0Q4QVUPDMAnn_vZEqo0sZe0Sk7/view?usp=sharing

22/07/2026

Análisis de datos ecológicos con R.






Comenta "dplyr" y accede al libro automáticamente.

10/07/2026

📘 𝐈𝐧𝐭𝐫𝐨𝐝𝐮𝐜𝐜𝐢𝐨́𝐧 𝐚 𝐥𝐨𝐬 𝐌𝐨𝐝𝐞𝐥𝐨𝐬 𝐝𝐞 𝐑𝐞𝐠𝐫𝐞𝐬𝐢𝐨́𝐧: 𝐞𝐥 𝐥𝐞𝐧𝐠𝐮𝐚𝐣𝐞 𝐦𝐚𝐭𝐞𝐦𝐚́𝐭𝐢𝐜𝐨 𝐪𝐮𝐞 𝐢𝐦𝐩𝐮𝐥𝐬𝐚 𝐥𝐚 𝐂𝐢𝐞𝐧𝐜𝐢𝐚 𝐝𝐞 𝐃𝐚𝐭𝐨𝐬

En Ciencia de Datos, la capacidad de transformar datos en conocimiento depende, en gran medida, de nuestra habilidad para modelar relaciones entre variables. Los modelos de regresión constituyen una de las herramientas fundamentales para comprender, explicar y predecir fenómenos en prácticamente cualquier disciplina: economía, finanzas, salud, ingeniería, marketing, ciencias sociales e inteligencia artificial.

Antes de construir modelos de Machine Learning más complejos, es indispensable dominar los fundamentos de la regresión. Comprender cómo una variable influye sobre otra, interpretar los coeficientes, validar los supuestos del modelo y evaluar su capacidad predictiva son competencias esenciales para cualquier analista o científico de datos.

📖 "Introducción a los Modelos de Regresión" ofrece una base sólida para comprender estos conceptos desde una perspectiva teórica y aplicada. A lo largo del libro, el lector descubrirá cómo construir modelos estadísticos, interpretar sus resultados y utilizarlos para la toma de decisiones basada en evidencia.

Entre los principales temas que desarrolla se encuentran:

✅ Regresión lineal simple y múltiple.
✅ Estimación de parámetros mediante Mínimos Cuadrados Ordinarios (OLS).
✅ Interpretación de coeficientes y medidas de ajuste.
✅ Inferencia estadística y pruebas de significancia.
✅ Diagnóstico y validación de modelos.
✅ Multicolinealidad, heterocedasticidad y autocorrelación.
✅ Selección y comparación de modelos.

En un entorno donde los datos impulsan las decisiones estratégicas, dominar los modelos de regresión representa mucho más que aprender una técnica estadística: significa desarrollar una forma rigurosa de analizar problemas, descubrir patrones y generar conocimiento con respaldo científico.

La regresión sigue siendo uno de los pilares del análisis predictivo moderno y una herramienta imprescindible en el arsenal de todo profesional de Ciencia de Datos.

¿Ya dominas los modelos de regresión o estás iniciando este apasionante camino? Comparte tu experiencia en los comentarios.

𝐒𝐢 𝐝𝐞𝐬𝐞𝐚𝐬 𝐚𝐩𝐫𝐞𝐧𝐝𝐞𝐫 𝐬𝐨𝐛𝐫𝐞 ❞𝐌𝐎𝐃𝐄𝐋𝐎𝐒 𝐃𝐄 𝐑𝐄𝐆𝐑𝐄𝐒𝐈𝐎́𝐍❞ 𝐜𝐨𝐦𝐞𝐧𝐭𝐚 ❞𝐌𝐂𝐎❞ 𝐲 𝐭𝐞 𝐞𝐧𝐯𝐢𝐨́ 𝐞𝐥 𝐦𝐚𝐧𝐮𝐚𝐥.

05/07/2026

🌐 Álgebra lineal práctica para la ciencia de datos

Descargar en:

https://dogramcode.com/libro/algebra-lineal-practica-para-la-ciencia-de-datos

28/06/2026

28/06/2026

EL MÉTODO LOF
LOF complementa métodos globales como la prueba de Grubbs y el ESD de Rosner , y se sitúa junto a Isolation Forest y la detección multivariada de valores atípicos como una herramienta estándar en el conjunto de herramientas de detección de anomalías no supervisadas .

Pasos para realizar el LOF:

1.Estandarice las características numéricas para que las distancias sean invariantes a la escala.
2.Encuentra los k vecinos más cercanos de cada punto utilizando la distancia euclidiana.
3.Calcula la distancia k y la distancia de alcanzabilidad para cada par.
4.Calcula la densidad de accesibilidad local para cada punto.
5.Calcule el LOF como la relación promedio entre la densidad de los vecinos y la densidad propia del punto.
6.Umbral basado en el cuartil de contaminación (por ejemplo, el 10 por ciento superior de las puntuaciones LOF) para identificar valores atípicos.

Interpretación de los resultados:

1. LOF aproximadamente 1: el punto es un punto interior; su densidad coincide con la de sus vecinos.

2.LOF sustancialmente mayor que 1: un valor atípico local, más disperso que sus vecinos.

3.LOF menor que 1: el punto se encuentra en una región más densa que sus vecinos (raro).

4.Umbral: el cuartil de contaminación (por ejemplo, LOF >= 1,5 o el 10 por ciento superior).

5.Magnitud de la puntuación: mayor LOF = mayor probabilidad de que sea un valor atípico; visualice la distribución de LOF para establecer un umbral adecuado.

6.Estabilidad: vuelva a ejecutar con varios valores de k; los puntos marcados que sobreviven a la mayoría de las configuraciones son los valores atípicos más fiables.

Bibliografía:
https://metricgate.com/docs/local-outlier-factor-lof/?utm_source=chatgpt.com

28/06/2026

MSE

28/06/2026

𝐄𝐋 𝐌𝐎𝐃𝐄𝐋𝐎 𝐌𝐔𝐍𝐃𝐄𝐋𝐋 𝐅𝐋𝐄𝐌𝐈𝐍𝐆 𝐂𝐎𝐍 𝐓𝐈𝐏𝐎 𝐃𝐄 𝐂𝐀𝐌𝐁𝐈𝐎 𝐅𝐋𝐄𝐗𝐈𝐁𝐋𝐄
Material de macroeconomía en:
https://drive.google.com/file/d/1JjflYnFh_CU9a8VggW8PfYUt6H2rEqKJ/view?usp=sharing

27/06/2026

27/06/2026

𝐋𝐚 𝐜𝐨𝐫𝐫𝐞𝐥𝐚𝐜𝐢𝐨́𝐧
La correlación, también conocida como coeficiente de correlación lineal (de Pearson), es una medida de regresión que pretende cuantificar el grado de variación conjunta entre dos variables.

Por tanto, es una medida estadística que cuantifica la dependencia lineal entre dos variables, es decir, si se representan en un diagrama de dispersión los valores que toman dos variables, el coeficiente de correlación lineal señalará lo bien o lo mal que el conjunto de puntos representados se aproxima a una recta.

¿ 𝐄𝐥 𝐜𝐨𝐞𝐟𝐢𝐜𝐢𝐞𝐧𝐭𝐞 𝐝𝐞 𝐜𝐨𝐫𝐫𝐞𝐥𝐚𝐜𝐢𝐨́𝐧 ❓

El coeficiente de correlación lineal también se utiliza en el mundo de la inversión para valorar el riesgo de una cartera de inversión. Un mayor o menor grado de correlación entre dos variables influye de forma directa sobre el precio de cotización del activo.

𝐀𝐥𝐠𝐮𝐧𝐨𝐬 𝐯𝐚𝐥𝐨𝐫𝐞𝐬 ...
ρ = -1 : Correlación perfecta negativa

ρ diferente de 0 : No existe correlación

ρ = +1 : Correlación perfecta positiva.








𝐒𝐢 𝐝𝐞𝐬𝐞𝐚𝐬 𝐚𝐩𝐫𝐞𝐧𝐝𝐞𝐫 𝐦𝐚́𝐬 𝐬𝐨𝐛𝐫𝐞 𝐞𝐬𝐭𝐚𝐝𝐢́𝐬𝐭𝐢𝐜𝐚, 𝐩𝐮𝐞𝐝𝐞𝐬 𝐥𝐞𝐞𝐫 𝐞𝐥 𝐥𝐢𝐛𝐫𝐨:
𝐄𝐒𝐓𝐀𝐃𝐈́𝐒𝐓𝐈𝐂𝐀: 𝐓𝐄𝐎𝐑𝐈́𝐀 𝐁𝐀́𝐒𝐈𝐂𝐀 𝐘 𝐄𝐉𝐄𝐑𝐂𝐈𝐂𝐈𝐎𝐒.
𝐃𝐞𝐬𝐜𝐚𝐫𝐠𝐚 𝐞𝐥 𝐥𝐢𝐛𝐫𝐨 𝐞𝐧:

https://drive.google.com/file/d/1yVB9exCzq_UPUHNsJp87U1t-_5EduJZv/view?usp=sharing