The latest articles on DEV Community by Adel Aït Zineb (@adel_atzineb_89c22ac71f). https://dev.to/adel_atzineb_89c22ac71f https://media2.dev.to/dynamic/image/width=90,height=90,fit=cover,gravity=auto,format=auto/https:%2F%2Fdev-to-uploads.s3.amazonaws.com%2Fuploads%2Fuser%2Fprofile_image%2F3943342%2F97441111-a1e8-4e49-981c-a8164f7ec090.png https://dev.to/adel_atzineb_89c22ac71f en Adel Aït Zineb Thu, 04 Jun 2026 06:22:21 +0000 https://dev.to/evolve-space/statistical-analysis-with-python-descriptive-statistics-inference-regression-and-time-series-3d7b https://dev.to/evolve-space/statistical-analysis-with-python-descriptive-statistics-inference-regression-and-time-series-3d7b <p>Durante mi formación en el Máster de Data Science, Big Data y desarrollo de Inteligencia Artificial en Evolve, he completado una práctica final de estadística y probabilidad utilizando Python.</p> <p>El objetivo principal de este proyecto ha sido aplicar diferentes técnicas estadísticas de forma práctica, organizando el trabajo en varios ejercicios independientes y documentando los resultados obtenidos durante el proceso.</p> <h2> Objetivo del proyecto </h2> <p>El objetivo de esta práctica ha sido reforzar conceptos clave de estadística utilizados en Data Science y aplicarlos mediante Python.</p> <p>El proyecto está dividido en diferentes bloques, cada uno centrado en un área concreta del análisis estadístico:</p> <ul> <li>Estadística descriptiva</li> <li>Inferencia estadística</li> <li>Regresión múltiple</li> <li>Análisis de series temporales</li> </ul> <p>Esta estructura me ha ayudado a entender cómo se pueden aplicar distintas técnicas estadísticas a conjuntos de datos reales y cómo Python permite automatizar, visualizar e interpretar los resultados.</p> <h2> Estructura del repositorio </h2> <p>El repositorio contiene los siguientes archivos y carpetas principales:</p> <ul> <li> <code>data/</code>: carpeta que contiene el dataset utilizado en el proyecto.</li> <li> <code>output/</code>: carpeta con los resultados generados, gráficos y métricas.</li> <li> <code>README.md</code>: explicación general del proyecto.</li> <li> <code>Respuestas.md</code>: respuestas, interpretaciones y conclusiones.</li> <li> <code>ejercicio1_descriptivo.py</code>: análisis estadístico descriptivo.</li> <li> <code>ejercicio2_inferencia.py</code>: ejercicios de inferencia estadística.</li> <li> <code>ejercicio3_regresion_multiple.py</code>: análisis de regresión múltiple.</li> <li> <code>ejercicio4_series_temporales.py</code>: análisis de series temporales.</li> </ul> <p>Esta organización facilita la revisión del proyecto y permite ejecutar cada parte del análisis por separado.</p> <h2> Herramientas utilizadas </h2> <p>Las principales herramientas y librerías utilizadas en este proyecto han sido:</p> <ul> <li>Python</li> <li>Pandas</li> <li>NumPy</li> <li>Matplotlib</li> <li>Análisis estadístico</li> <li>Regresión múltiple</li> <li>Análisis de series temporales</li> <li>GitHub</li> </ul> <h2> Proceso de desarrollo </h2> <p>La primera parte del proyecto se centra en la estadística descriptiva. En esta sección trabajé con medidas estadísticas básicas y visualizaciones para comprender mejor el dataset.</p> <p>La segunda parte se centra en la inferencia estadística. Esta parte me ayudó a practicar cómo extraer conclusiones a partir de los datos y entender cómo los métodos estadísticos pueden apoyar la toma de decisiones.</p> <p>La tercera parte del proyecto está basada en la regresión múltiple. Esta técnica resulta útil para estudiar la relación entre varias variables independientes y una variable objetivo.</p> <p>Por último, la cuarta parte se centra en el análisis de series temporales, donde el objetivo fue analizar datos que cambian a lo largo del tiempo e identificar posibles patrones o tendencias.</p> <h2> Resultados </h2> <p>El proyecto genera diferentes salidas, incluyendo visualizaciones, métricas, análisis de correlación, resultados de regresión y gráficos de series temporales.</p> <p>Estos resultados se almacenan en la carpeta <code>output/</code>, lo que facilita revisar tanto el código como los resultados finales de cada ejercicio.</p> <h2> Lo que he aprendido </h2> <p>Este proyecto me ha ayudado a reforzar conceptos importantes de estadística aplicada a Data Science.</p> <p>También me ha permitido mejorar la forma en la que organizo un proyecto técnico en GitHub, separando el código en diferentes archivos y documentando el proceso de manera clara.</p> <p>Una de las partes más útiles del proyecto ha sido ver cómo Python permite aplicar conceptos estadísticos de forma práctica y reproducible.</p> <h2> Repositorio del proyecto </h2> <p>Puedes ver el proyecto completo en GitHub aquí:</p> <p><a href="https://github.com/adeltoutouh-lab/Statistical_Analysis-Adel_Toutouh_El_Bouchti-" rel="noopener noreferrer">https://github.com/adeltoutouh-lab/Statistical_Analysis-Adel_Toutouh_El_Bouchti-</a></p> <p>Muchas gracias.</p> python datascience statistics datanalysis