Summary  
Using SciPy’s statistics module to calculate a confidence interval for a sample mean by applying the normal distribution’s interval method with specified confidence level, sample mean, and standard error.

General domain of usage  
Statistical inference

## ¿Qué valores podemos estimar usando un intervalo de confianza?

En este curso, estimaremos valores medios, pero también se pueden estimar otras estadísticas como varianzas, expectativas matemáticas y más.

Explora la función utilizada para calcular intervalos de confianza.


```python
st.norm.interval(confidence=0.95, loc=np.mean(dist), scale=st.sem(dist))
```

La función `st.norm.interval()` se utiliza para calcular un intervalo de confianza con los siguientes parámetros:
- El parámetro `confidence` representa el **nivel de confianza**;
- El parámetro `loc` indica el **valor medio de la distribución**;
- El `scale` es el **error estándar de la media**.

## ¿Qué es el error estándar de la media?

El error estándar de la media, a menudo llamado error estándar, mide la probabilidad de que la media poblacional se desvíe de la media muestral.

Intenta cambiar el parámetro `confidence` y observa los cambios.

# Importing libraries
import scipy.stats as st
import numpy as np

# Creating random normal distribution
dist = st.norm.rvs(size=1000, loc=50, scale=2)

# Finding confidence interval
confidence = st.norm.interval(confidence=0.95, loc=np.mean(dist), scale=st.sem(dist))

print(confidence)

Construya una base sólida en estadística utilizando Python. Aprenda conceptos estadísticos esenciales y aplíquelos a través de NumPy y pandas. Avance desde medidas básicas como la media y la varianza hasta pruebas de hipótesis, intervalos de confianza y obtención de conclusiones basadas en datos con práctica práctica.

Descubre los principios estadísticos fundamentales, incluidos los tipos de datos, las medidas de tendencia central y las diferencias clave entre muestras y poblaciones.

Aprende a calcular e interpretar la media, la mediana y la moda utilizando Python. Practica estas operaciones con pandas para analizar conjuntos de datos reales.

Comprender cómo la varianza y la desviación estándar miden la dispersión de los datos. Aprender a calcular ambas manualmente y utilizando herramientas de Python.

Explora cómo la covarianza y la correlación describen las relaciones entre variables. Practica el cálculo y la comparación de ambas métricas en Python.

Domina los intervalos de confianza para estimar parámetros poblacionales. Utiliza NumPy, pandas y bibliotecas de visualización para calcular e interpretar intervalos con datos reales.

Aprende los fundamentos de las pruebas de hipótesis y la prueba t. Comprende cómo diseñar, realizar e interpretar pruebas utilizando Python para respaldar decisiones basadas en datos.

Cálculo del Intervalo de Confianza con Python

¿Qué valores podemos estimar usando un intervalo de confianza?

¿Qué es el error estándar de la media?