Prefacio . xi

1. Análisis exploratorio de datos.. 1
Elementos de datos estructurados 2
Datos rectangulares .. 4
Estimación de la localización 7
Estimación de la variabilidad . 13
Exploración de la distribución de datos 19
Exploración de datos binarios y categóricos . 27
Correlación . 30
Resumen .. 45

2. Distribuciones de datos y muestreo 47
Muestreo aleatorio y sesgo de la muestra . 48
Sesgo de selección .. 54
Distribución muestral del estadístico 57
Bootstrap . 61
Intervalos de confianza . 65
Distribución normal 69
Distribuciones de cola larga 72
Distribución t de Student. 74
Distribución binomial 77
Distribución chi cuadrado 79
Distribución F . 81
La distribución de Poisson y distribuciones relacionadas 81
Resumen .. 85

3. Experimentos estadísticos y pruebas significativas . 87
Prueba A/B.. 88
Pruebas de hipótesis . 93
Remuestreo 96
Significación estadística y valores p . 103
Pruebas t 10
Pruebas múltiples . 111
Grados de libertad 115
ANOVA 117
Prueba de chi cuadrado . 123
Algoritmo Multi-Arm Bandit 130
Potencia y tamaño de la muestra . 134
Resumen 138

4. Regresión y pronóstico .. 139
Regresión lineal simple .. 139
Regresión lineal múltiple .. 147
Pronóstico mediante la regresión 157
Variables de tipo factor en la regresión 160
Interpretación de la ecuación de regresión 166
Diagnósticos de regresión 172
Regresión polinomial y por spline 183
Resumen 189

5. Clasificación . 191
Bayes ingenuo 192
Análisis discriminante . 197
Regresión logística 203
Evaluación de modelos de clasificación 215
Estrategias para datos que no están equilibrados 224
Resumen 230

6. Aprendizaje automático estadístico . 231
K-vecinos más cercanos . 232
Modelos de árbol .. 243
Métodos de bagging y bosque aleatorio .. 253
Boosting . 263
Resumen 275

7. Aprendizaje no supervisado . 277
Análisis de componentes principales . 278
Agrupación K-means .. 287
Agrupación jerárquica 296
Agrupación basada en el modelo . 301
Variables categóricas y escalado.. 308
Resumen .. 316

Bibliografía 317