Estadistica Practica Para Ciencia De Datos Y Python High Quality -

# Graficar distribución de datos plt.hist(datos['variable'], bins=50) plt.xlabel('Valor') plt.ylabel('Frecuencia') plt.title('Distribución de Datos') plt.show()

# Calcular estadístico z z = (media_muestra - mu) / (sigma / np.sqrt(n)) # Graficar distribución de datos plt

# Realizar un test de hipótesis mu = 0 # media poblacional sigma = 1 # desviación estándar poblacional n = 100 # tamaño de muestra media_muestra = 0.5 # media de la muestra # Graficar distribución de datos plt.hist(datos['variable']

# Evaluar modelo y_pred = modelo.predict(X_test) print(f'MSE: {np.mean((y_test - y_pred) ** 2):.2f}') y_test = train_test_split(datos.drop('variable'

# Dividir datos en entrenamiento y prueba X_train, X_test, y_train, y_test = train_test_split(datos.drop('variable', axis=1), datos['variable'], test_size=0.2, random_state=42)