Este curso trata de los fundamentos de la estadística e introduce al estudiante en el uso de herramientas tecnológicas apropiadas para su implementación. Este curso parte de conceptos básicos como poblaciones y muestra, la teoría del muestreo , tipos de variables, correlación y pruebas de hipótesis , diseño de experimentos y de distribuciones de tipo continuas y discretas.

En la segunda parte cubre la creación de modelos de predicción lineal simple, múltiple y logística. Los modelos son analizados usando múltiples métricas que permitan al analista perfeccionar el modelo ya sea ajustando las variables o mediante métodos de regularización.

RESULTADOS DE APRENDIZAJE

RDA 1: Identificar los conceptos de la Estadística Descriptiva e Inferencial que sustentan el desarrollo de procesos estadísticos.

• Criterio de evaluación 1: Realizar un análisis descriptivo del dataset mediante estadísticos y agregaciones que conduzcan a identificar y justificar variables pertinentes causantes de las demoras.

RDA 2: Calcular e interpretar estadísticos y parámetros para describir muestras y poblaciones.

• Criterio de evaluación 1: Identificar la distribución que siguen las variables estudiadas realizando diversas pruebas de hipótesis.

RDA 3: Analizar información contextual sobre hábitat, infraestructura y movilidad, mediante técnicas estadísticas descriptivas e inferenciales, para la adecuada toma de decisiones.

• Criterio de evaluación 1: Aplicar técnicas de regresión lineal y múltiple para crear modelos candidatos que consideren un subset de las variables identificadas anteriormente como pertinentes.
• Criterio de evaluación 2: Aplicar diversas técnicas para estimar la bondad de los modelos a fin de comparar ventajas y desventajas de cada uno de ellos.

El proyecto final es la evaluación sumativa de los 3 retos, se considera como el entregable final de la asignatura.

Objetivo General

Desarrollar un modelo estadístico que permita predecir la probabilidad de demora en salida de vuelos de aeropuertos de NY, basado en condiciones ambientales y otros parámetros contenidos en el dataset.

Objetivos Específicos

• Realizar análisis exploratorio de los datos (EDA) tendientes a determinar la necesidad de implementar limpieza de datos, normalizaciones, imputaciones, o simplemente comprender su comportamiento por grupos o subgrupos mediante visualizaciones simples.
• Creación de pruebas de hipótesis y otras pruebas de contraste que permitan inferir el comportamiento de la población.
• Creación de modelos lineales o logísticos mediante el análisis de las variables que demuestren correlación y causación utilizando pruebas y visualizaciones adecuadas.

Descripción del Proyecto

El proyecto consiste en desarrollar un modelo de predicción que permita predecir la probabilidad de que un vuelo presente demoras en la salida del mismo, basado en información histórica y otras variables ambientales que pudieran tener un impacto.

Actividades

Reto	Actividades
Reto 1	Realizar un análisis descriptivo del dataset Realizar agregaciones que conduzcan a identificar y justificar variables pertinentes causantes de las demoras Identificar actividades de preprocesamiento que deban implementarse sobre la data
Reto 2	Realizar pruebas linealidad y normalidad para variables continuas Realizar pruebas pertinencia para variable nominales para variables nominales Realizar pruebas de hipótesis
Reto 3	Aplicar técnicas de regresión lineal  Aplicar técnicas de regresión logística Analizar el comportamiento de los modelos en base a predicción
Reto 4	Obtener múltiples métricas como indicadores de la bondad los distintos modelos Aplicar técnicas de regresión logística Aplicar técnicas de comparación de modelos

Metodología (CRISP-DM)

• Entendimiento de la data: Incluye recolección de la data, análisis descriptivo de la data , EDA y verificación de la calidad de la misma
• Preparación de la data: determinar qué conjuntos de datos se utilizarán y documentar los motivos de inclusión o exclusión, limpieza de datos, transformaciones que deben hacerse sobre los datos
• Modelado: Revisar las técnicas de modelado y seleccionar la más apropiada, diseño de subsets de prueba y validación, construcción de modelos y validación
• Cada reto corresponde a una entrega parcial del proyecto.

Criterios de Evaluación del proyecto

Criterio	Ponderación	Detalle
Funcionalidad completa	40%	Cumplimiento de los 4 retos
Documentación del código mediante archivos RMD o Jupyter	35%	Uso de funciones, bucles y condicionales de manera eficiente.
Manejo de archivos	25%	Eficiencia del modelo en la predicción

Cronograma de entregables del Proyecto

Semana	Reto	Entregable	Contenido
4	Reto 1	Análisis exploratorio completo	Estadística descriptiva de los datos y visualización de los mismos
8	Reto 2	Pruebas de hipótesis y pruebas de contraste	Desarrollo de la pruebas y entendimiento de los resultados
12	Reto 3	Modelos	Desarrollo de modelos y análisis inicial de la calidad de este
16	Reto 4	Comparación de modelos	Técnicas aplicadas para comparar los distintos modelos candidatos

Retos de aprendizaje de la asignatura