Estadistica Practica Para Ciencia De Datos Y Python High Quality Direct

# Entrenar modelo modelo.fit(X_train, y_train)

# 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

# Realizar un intervalo de confianza intervalo_confianza = stats.norm.interval(0.95, loc=media_muestra, scale=sigma / np.sqrt(n)) # Entrenar modelo modelo

# Cargar datos datos = pd.read_csv('datos.csv')

print(f'p-valor: {p_valor:.4f}')

# Calcular media y varianza media = datos['variable'].mean() varianza = datos['variable'].var()

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

print(f'Intervalo de confianza: {intervalo_confianza}')