Estadistica Practica Para Ciencia De Datos Y Python High Quality May 2026

normales = np.random.normal(0, 1, 10_000) exponenciales = np.random.exponential(1, 10_000)

fig, axes = plt.subplots(1, 2, figsize=(12, 4)) sns.histplot(normales, kde=True, ax=axes[0], color='skyblue') axes[0].set_title('Distribución Normal (QQ-plot se vería lineal)') sns.histplot(exponenciales, kde=True, ax=axes[1], color='salmon') axes[1].set_title('Distribución Exponencial (Sesgo fuerte)') plt.show() normales = np

Python ofrece librerías que combinan estadística y visualización de forma nativa. Seaborn es el estándar de oro aquí. normales = np.random.normal(0

descripcion = df['ingresos'].describe(percentiles=[.25, .5, .75, .95, .99]) 10_000) exponenciales = np.random.exponential(1

import pandas as pd
import numpy as np
from statsmodels.stats.proportion import proportion_confint
successes = (df['sex'] == 'Male').sum()
n = len(df)
ci_prop = proportion_confint(successes, n, alpha=0.05, method='wilson')
print(f"Proportion of males CI: ci_prop")