profe_ferro
LUIS ALEJANDRO FERRO ALFONSO
Recently Published
Prueba de Hipótesis
Prueba de Hipótesis
Limpieza, Organización y Preparación de Datos en R
En este material, aprenderemos cómo limpiar, organizar y preparar datos para su análisis en R.
Razonamiento Lógico y Matemático
Objetivo: Proporcionar a los estudiantes una comprensión fundamental de las matemáticas necesarias para avanzar a conceptos más complejos en análisis de datos.
Problemas para hacer análisis estadístico
La solución de problemas en estadística es fundamental para desarrollar una comprensión profunda de cómo los datos pueden ser interpretados y utilizados en la toma de decisiones. A través del análisis de situaciones reales y la aplicación de conceptos estadísticos, los estudiantes no solo aprenden a calcular medidas de tendencia central, dispersión y posición, sino que también adquieren habilidades críticas para interpretar y comunicar resultados de manera efectiva. Este enfoque práctico es esencial para entender la variabilidad en los datos y su impacto en las conclusiones, permitiendo una aplicación más informada y precisa en contextos profesionales y académicos.
Teoremas límites
En este RPubs encontrarás una explicación detallada y ejemplos ilustrativos de conceptos fundamentales en probabilidad y estadística. En primer lugar, exploramos la Desigualdad de Markov, que proporciona una estimación de la probabilidad de que una variable aleatoria sea mayor que un valor dado, basándose únicamente en su esperanza matemática. A continuación, la Desigualdad de Chebyshev te ayudará a comprender cómo se puede limitar la probabilidad de que una variable aleatoria se desvíe significativamente de su media, utilizando la varianza. La Ley débil de los grandes números y la Ley fuerte de los grandes números se presentan para mostrar cómo, a medida que aumenta el tamaño de la muestra, la media muestral converge a la media poblacional, con diferentes niveles de certeza. Finalmente, el Teorema del límite central es fundamental para entender cómo, bajo ciertas condiciones, la distribución de la media muestral se aproxima a una distribución normal a medida que el tamaño de la muestra crece. Estos temas están acompañados de simulaciones en R que ilustran su aplicabilidad y ayudan a consolidar la comprensión teórica a través de ejemplos prácticos.
Exploración de Distribuciones de Probabilidad con R: Análisis de Variables Aleatorias Discretas y Continuas
En esta página de RPubs, se ofrece una introducción a las distribuciones de probabilidad para variables aleatorias, abarcando tanto distribuciones discretas como continuas. La página está diseñada para proporcionar una comprensión integral de estas distribuciones y sus aplicaciones prácticas mediante el uso del software R. A través de ejemplos ilustrativos y ejercicios prácticos, los usuarios podrán explorar y aplicar las características fundamentales de cada distribución, tales como funciones de masa de probabilidad, funciones de densidad y propiedades estadísticas. La integración de R permite a los usuarios realizar cálculos, simulaciones y visualizaciones que facilitan una comprensión más profunda y aplicada de los conceptos. Esta herramienta está orientada a estudiantes y profesionales que desean fortalecer sus habilidades en análisis probabilístico y estadístico, ofreciendo una combinación efectiva de teoría y práctica utilizando R.
Estadistica Descriptiva
Mi página en RPubs presenta los conceptos fundamentales de un curso de estadística descriptiva, utilizando el software R para proporcionar ejemplos prácticos y gráficos que facilitan la comprensión. Cada sección está diseñada para ayudar a los estudiantes a aplicar técnicas estadísticas básicas y a interpretar los resultados de manera efectiva.
Estimación de Probabilidades y Análisis de Simulaciones en R
En este documento exploraremos técnicas para estimar probabilidades mediante simulaciones en R. Utilizaremos métodos como la simulación de Montecarlo y análisis de permutaciones y combinaciones para comprender mejor las probabilidades en diferentes escenarios. También aplicaremos herramientas de visualización para observar cómo la precisión de nuestras estimaciones mejora con el aumento en el número de repeticiones del experimento.
Introducción a Python
Este documento es un escrito para la clase de Electiva Técnica II del programa de Ingeniería Industrial de la Universidad ECCI.
Paquete Ploty en R
El paquete plotly es una herramienta poderosa para crear visualizaciones de datos de alta calidad. Con plotly, puedes construir gráficos impresionantes y aprovechar la interactividad para mejorar la experiencia del usuario. Los gráficos generados con plotly ofrecen diversas funcionalidades, como la capacidad de hacer zoom en una sección específica del gráfico, redefinir los ejes X e Y según las necesidades, visualizar información detallada de cada dato y filtrar los datos en función de uno o varios factores. Además, los gráficos plotly son altamente adaptables, ya que se ajustan automáticamente a las dimensiones de la ventana en la que se muestran. En resumen, plotly es una herramienta versátil y flexible que permite crear visualizaciones impactantes y altamente interactivas.
Series de tiempo con el paquete ggplot2
Con las técnicas de está página, podemos personalizar y mejorar la visualización de las series temporales, resaltando puntos clave, identificando patrones y facilitando la interpretación de los datos.
Presentación Inicial Curso de Visualización de Datos con R
En está página vamos a observar la Presentación Inicial Curso de Visualización de Datos con R.
ggplot2
La librería ggplot2 de R es un sistema organizado de visualización de datos. Forma parte del conjunto de librerías llamado tidyverse.
Resolución de ecuaciones numéricas
En esta parte del curso estudiaremos el método de Bisección y Newthon Rhapson para resolver ecuaciones de modo numérico.
VaR
En esta parte del curso estudiaremos el VaR de un activo o de un portafolio de activos.
Riesgo Sistemático y no Sistemático
En esta parte del curso analizaremos el Riesgo Sistemático y no Sistemático
Modelos ARCH y GARCH
En esta parte del curso, estudiaremos los modelos Arch(q) y Garch(p,q) como una forma de suavizar el rendimiento de un activo financiero.
Métodos de suavizado
En el análisis de series temporales, el método de medias móviles tiene diversas aplicaciones
Funciones en R
Vamos a construir nuevas funciones de R que realicen tareas que no estaban definidas en el momento de instalar el programa.
Características del rendimiento
Continuando con nuestro curso, vamos a revisar cuales propiedades tiene el rendimiento de los activos financieros trabajados.
Manipulación de datos en R
En este escrito vamos a revisar la manipulación de datos que se puede hacer con R
Rendimiento
En el cursos de teoría de riesgo consideramos que las variables más importantes para la toma de decisiones de inversión son el rendimiento y el riesgo. Para ello trabajaremos el rendimiento como parte de ello.
Introducción a la teoría de riesgo
Introducción a la teoría de riesgo financiero
Estructura de datos en R
En este escrito revisaremos que tipos de datos recibe R
Introdución a R-Studio
Este documento tiene la intención de introducir algunas funciones o características que tiene las ventas de R Studio.
Instalación de R
Este escrito está diseñado para los estudiantes que están empezando a manejar R