This work traces a progression from the foundations of statistical computing to advanced probabilistic modeling. It begins with descriptive statistics and core inferential tools, including hypothesis testing, confidence intervals, and Bayesian analysis. Both continuous (normal, t, chi-squared, gamma, beta, uniform) and discrete (Bernoulli, binomial, Poisson, etc.) distributions are covered, leading into computational methods like random number generation, simulation, Monte Carlo, and MCMC. The text advances to reverse-engineering unknown distributions and maximum likelihood, before concluding with modern frameworks including the EM algorithm, Gaussian Mixture Models, and the multivariate normal distribution.

DATA 4 SB

These are lecture notes for BSc Biostatistics or Statistics Second year class. The notes borrow from several sources

Just a quick overview of rmarkdown output

Este documento presenta un flujo de trabajo completo para el análisis de riesgos en una cartera de seguros de automóviles. Compara un enfoque de tarificación tradicional con un modelo avanzado que utiliza datos geoespaciales de OpenStreetMap (OSM) y de comportamiento del conductor (telemática) para construir modelos más precisos y justos. El análisis se centra en Caracas, Venezuela, y abarca desde la adquisición de datos y simulación de la cartera, hasta la ingeniería de características, el modelado y, finalmente, una comparación directa entre ambos enfoques de tarificación.