Recursos Esenciales

El análisis estadístico es la llave para descubrir patrones, relaciones y tendencias ocultas en los datos. En esta sección, te proporcionamos un conjunto completo de recursos que te ayudarán a dominar los conceptos clave, desde la correlación y la regresión hasta la inferencia estadística y el análisis de residuos. Tanto si eres un estudiante que busca reforzar sus conocimientos como un profesional que desea ampliar sus habilidades, aquí encontrarás las herramientas necesarias para convertirte en un experto en el análisis de datos.

Fundamentos de la Estadística:

 1. Fundamentos de la Estadística:

• Libros:
  • "Estadísticas desnudas: quitando el pavor a los datos" (Charles Wheelan): Una introducción entretenida y accesible a los conceptos básicos de la estadística.
  • "Estadísticas" (Freedman, Pisani y Purves): Un libro de texto clásico que cubre los fundamentos de la estadística de manera rigurosa pero comprensible.
• Cursos en Línea:
  • Khan Academy: "Estadística y probabilidad" (curso gratuito con videos y ejercicios interactivos)
  • Coursera: "Estadísticas con especialización R" (Universidad de Duke)

2. Análisis de Correlación y Regresión Lineal:

• Software:
  • R, Python (con bibliotecas como statsmodels y scikit-learn), SPSS, Excel

Tutoriales:

• Datacamp: "Correlación y regresión en R"
• YouTube: "StatQuest: Regresión lineal" (explicación visual e intuitiva)

• Libros:
  • "Modelos de regresión lineal aplicados" (Kutner, Nachtsheim, Neter y Li)
  • "Una introducción al aprendizaje estadístico" (James, Witten, Hastie y Tibshirani)

3. Inferencia Estadística:

• Software:
  • R, Python, SPSS, JASP (software gratuito de código abierto)
• Cursos:
  • Coursera: "Inferencia estadística" (Universidad Johns Hopkins)
  • edX: "Estadística inferencial" (Universidad de California, Berkeley)
• Libros:
  • "Inferencia estadística" (Casella y Berger)
  • "Estadísticas de introducción abierta" (Diez, Barr y Çetinkaya-Rundel)

4. Análisis de Residuos:

• Software:
  • R, Python, SPSS
• Tutoriales:
  • "Cómo comprobar los supuestos de la regresión lineal en R" (blog post)
  • "Comprensión de los gráficos de diagnóstico para el análisis de regresión lineal" (video de YouTube)

5. Recursos Adicionales:

• Blogs y Sitios Web:
  • "MaximaFormacion" (blog con artículos sobre estadística y ciencia de datos)
  • "Stack Overflow" (foro para hacer preguntas y obtener ayuda sobre estadística y programación)
• Comunidades en Línea:
  • Grupos de Facebook y LinkedIn sobre estadística y análisis de datos.