metricsAI

¡Bienvenido/a a metricsAI!

Esta plataforma de ciencia de datos ofrece una introducción moderna a la econometría combinando cuadernos de Python en la nube con herramientas de aprendizaje con IA de NotebookLM.

Diseñada como complemento interactivo del libro de texto de Colin Cameron, Analysis of Economics Data: An Introduction to Econometrics, metricsAI transforma capítulos estáticos en experiencias de aprendizaje dinámicas. El alumnado puede acceder a resúmenes generados por IA, código de Python y ejemplos prácticos directamente en su navegador a través de Google Colab. No se requiere configuración ni instalación alguna, y los cuadernos incorporan herramientas de IA para la generación, explicación y transformación de código.

📓 Cuadernos interactivos de Google Colab

Haga clic en cualquier insignia de abajo para abrir y ejecutar al instante en su navegador:

Parte I: Fundamentos estadísticos

Capítulo	Título	Cuaderno de Colab
1	Análisis de datos económicos
2	Resumen de datos univariantes
3	La media muestral
4	Inferencia estadística sobre la media

Parte II: Regresión bivariante

Capítulo	Título	Cuaderno de Colab
5	Resumen de datos bivariantes
6	El estimador de mínimos cuadrados
7	Inferencia estadística para la regresión bivariante
8	Estudios de caso de regresión bivariante
9	Modelos con logaritmos naturales

Parte III: Regresión múltiple

Capítulo	Título	Cuaderno de Colab
10	Resumen de datos para la regresión múltiple
11	Inferencia estadística para la regresión múltiple
12	Temas adicionales sobre la regresión múltiple
13	Estudios de caso de regresión múltiple

Parte IV: Temas avanzados

Capítulo	Título	Cuaderno de Colab
14	Regresión con variables indicadoras
15	Regresión con variables transformadas
16	Comprobación del modelo y los datos
17	Datos de panel, series temporales y causalidad

Cómo usar los cuadernos

1. Haga clic en cualquier insignia “Open in Colab” de arriba
2. Inicie sesión con su cuenta de Google (gratuita)
3. Haga clic en “Ejecutar todo” en el menú Entorno de ejecución (o ejecute las celdas de forma individual)
4. Explore y modifique — cambie parámetros, pruebe distintos modelos, experimente con los datos
5. Guarde su trabajo — Archivo → Guardar una copia en Drive para conservar sus modificaciones

¡Sin instalación, sin descargas, sin configuración!

👥 Autores y créditos

Carlos Mendez — Implementación en Python y desarrollo de los cuadernos educativos

A. Colin Cameron — Libro de texto, datos, código en Stata/R y diapositivas originales.