---

Análisis Estadístico

Repositorio dedicado a la aplicación práctica de métodos estadísticos en Ciencia de Datos, con enfoque en análisis exploratorio, pruebas de hipótesis, modelado y casos aplicados con datos reales.

Este espacio reúne implementaciones en Python orientadas a comprender cómo la estadística fundamenta el Machine Learning y la toma de decisiones basada en datos.

---

Objetivos del Repositorio

• Aplicar métodos estadísticos clásicos en contextos reales.
• Documentar paso a paso análisis reproducibles.
• Integrar teoría estadística con implementación en Python y R.
• Servir como portafolio técnico en Estadística y Data Science.

---

Contenidos Incluidos

• Análisis Exploratorio de Datos (EDA)
• Pruebas de normalidad
• Pruebas t (una y dos muestras)
• ANOVA
• Prueba Chi-cuadrado de independencia
• Correlación (Pearson, Spearman)
• Regresión Lineal (OLS)
• Interpretación estadística de resultados
• Visualización avanzada de datos

---

Tecnologías Utilizadas

• Python

---

Metodología General

1. Comprensión del problema.
2. Análisis exploratorio.
3. Formulación de hipótesis.
4. Aplicación de pruebas estadísticas.
5. Interpretación de resultados.
6. Modelado (cuando aplica).
7. Conclusiones basadas en evidencia.

---

Enfoque

Este repositorio no solo muestra código, sino que enfatiza:

• Interpretación estadística rigurosa.
• Supuestos de los modelos.
• Limitaciones del análisis.
• Aplicabilidad en problemas reales.

---

Autoría

Gladys Choque Ulloa PhD(c). en Ciencia de Datos Especialista en Estadística Aplicada y Machine Learning

---