Saltar al contenido
Epsilon y Beta por Edison Achalma

Laboratorio

Cada modelo reconstruye una teoría o un método como código ejecutable: se mueven sus parámetros, se prueban sus escenarios y se lee su ficha (contexto, supuestos, limitaciones y fuentes). El cálculo corre en tu navegador con el mismo código Python del laboratorio de escritorio.

Estadística

  • e02
    Población y muestra

    ¿Una muestra pequeña puede representar a toda una población — y cuánto nos equivocamos al usar la parte por el todo?

    Estadística 1.3

  • e17
    La media aritmética

    ¿Qué es exactamente 'el promedio' — y por qué es el mejor resumen de un conjunto de datos… salvo cuando no lo es?

    Estadística 2.5 · Estadística 2.6 · Estadística para Economistas 2.1

  • e18
    La mediana

    Cuando hay un dato extremo, ¿por qué la mediana describe mejor 'lo típico' que el promedio?

    Estadística 2.7

  • e19
    La moda

    ¿Cuál es el valor 'típico' cuando ni siquiera se puede promediar — por ejemplo, el color o la marca más común?

    Estadística 2.8

  • e23
    Los cuartiles y el rango intercuartílico

    ¿Cómo se mide la dispersión de los datos sin que un atípico la arruine — y qué es el 50% central?

    Estadística 2.13

  • e24
    Los percentiles

    Cuando te dicen 'estás en el percentil 90', ¿qué significa exactamente — y cómo se calcula cualquier corte de los datos?

    Estadística 2.13

  • e25
    Los deciles

    Si ordenamos a un país por ingreso y lo partimos en diez, ¿cuántas veces gana el décimo más rico respecto al más pobre?

    Estadística para Economistas 2.6

  • e27
    Varianza y desviación estándar

    ¿Cómo se mide cuánto se dispersan los datos — y por qué la varianza muestral se divide entre n−1 y no entre n?

    Estadística 2.10 · Estadística 2.11

  • e28
    La desviación estándar en uso: regla empírica y puntaje z

    Si te dicen que un dato está 'a 2 desviaciones de la media', ¿qué tan raro es? ¿Y cómo comparo cosas de escalas distintas?

    Estadística 2.11 · Estadística para Economistas 2.1

  • e29
    El coeficiente de variación

    ¿Qué varía más: el peso de los elefantes o el de los ratones? (Comparar sus desviaciones no sirve — ¿entonces?)

    Estadística 2.12

  • e30
    La asimetría (sesgo)

    Cuando la media es mucho mayor que la mediana, ¿qué le pasa a la forma de los datos — y por qué?

    Estadística 2.14

  • e31
    La curtosis (colas pesadas)

    Dos distribuciones con la misma media y desviación, ¿pueden diferir en algo peligroso? (Sí: en cuántos extremos producen.)

    Estadística 2.14

  • e34
    Experimentos aleatorios

    No puedo predecir un lanzamiento de moneda, pero puedo predecir 10.000 con precisión. ¿Cómo emerge orden del azar?

    Estadística 3.1 · Microeconometría Aplicada 3.2

  • e35
    El espacio muestral

    Antes de calcular cualquier probabilidad, ¿cuál es el 'universo' de lo que puede pasar — y cuán grande es?

    Estadística 3.2

  • e36
    Los eventos y sus operaciones

    ¿Cuál es la probabilidad de A o B? (No es P(A)+P(B) — a menos que no puedan pasar juntos.)

    Estadística 3.2

  • e37
    La probabilidad clásica (paradoja del cumpleaños)

    ¿Cuántas personas hacen falta para que sea más probable que no que dos compartan cumpleaños? (Sorpresa: 23.)

    Estadística 3.1 · Estadística para Economistas 3.1

  • e38
    La probabilidad frecuentista (Monte Carlo)

    Cuando no se puede contar (resultados no equiprobables o infinitos), ¿cómo se obtiene una probabilidad?

    Estadística 3.1

  • e67
    El teorema central del límite

    Si la población no es normal, ¿por qué la media de una muestra sí termina pareciéndose a una normal, y cuán grande tiene que ser la muestra para que eso sea verdad?

    Estadística 6.3 · Estadística para Economistas 4.3

Esc
elegir abrir Esc cerrar