Tipo: Libro impreso / Print book
Tamaño / Size: 17 x 24 cm
Páginas / Pages: 759
Resumen / Summary:
Autor / Author: Varios autores
Editorial / Publisher: Diaz de Santos
Entrega / Delivery : Nacional / International
Envio desde / Ships from: Colombia
Condición / Condition: Nuevo / New
Tabla de contenido / Table of contents: Por qué y para qué se ha escrito este libro
Prólogo
1. Capítulo preliminar
1.1. Introducción
1.2. Conceptos generales básicos
1.3. Tipos de muestreo aleatorio en poblaciones finitas
1.4. Tipos de caracteres
1.4.1. Caracteres cualitativos
1.4.2. Caracteres cuantitativos
1.5. Nociones básicas del Programa STATGRAPHICS Plus 5.1 para Windows
1.6. Etapas de un estudio estadístico
Primera parte
Estadística descriptiva
2. Estadística descriptiva unidimensional
2.1. Introducción
2.2. Tablas de frecuencias
2.3. Representaciones gráficas
2.3.1. Caracteres cualitativos
2.3.2. Caracteres cuantitativos discretos
2.3.3. Caracteres cuantitativos continuos
2.4. Análisis numérico
2.4.1. Medidas de posición
2.4.2. Medidas de dispersión
2.4.3. Momentos
2.4.4. Características de forma
2.5. Transformaciones lineales de una variable estadística
2.6. Diagrama de caja y bigotes
2.7. Cálculo de los estadísticos con STATGRAPHICS
2.8. Números Índices. Breves nociones
2.9. Problemas propuestos
3. Estadística descriptiva bidimensional
3.1. Introducción
3.2. Tablas de frecuencias de una distribución bidimensional
3.3. Distribuciones marginales y condicionadas
3.4. Momentos bidimensionales: medias y varianzas marginales, Covarianza
3.5. Vector de medias y matriz de covarianza
3.6. Regresión y correlación
3.7. Regresión lineal mínimo cuadrática. Rectas de regresión. Coeficiente de correlación lineal
3.7.1. Recta de regresión de y sobre x
3.7.2. Recta de regresión de x sobre y
3.7.3. Coeficiente de determinación lineal
3.7.4. Coeficiente de correlación lineal
3.8. Otras regresiones reducibles a lineales
3.8.1. Línea de regresión de tipo exponencial y = abx
3.8.2. Línea de regresión de tipo potencial y = axm
3.8.3. Línea de regresión de tipo homográfica o hiperbólica
3.9. Otras curvas de regresión mínimo-cuadrática. Regresión parabólica. Coeficiente de determinación parabólico
3.9.1. Ajuste a una parábola de grado 2 por el método de mínimos cuadrados
3.9.2. Coeficiente de determinación parabólico
3.10. Problemas propuestos
Segunda parte
Probabilidad. Distribuciones de probabilidad
4. Probabilidad
4.1. Introducción
4.2. Experimentos aleatorios
4.3. Álgebra de sucesos y σ - álgebra
4.4. Frecuencia relativa de un suceso. Probabilidad en espacios muestrales finitos
4.5. Axiomática para la probabilidad. Propiedades de la probabilidad
4.6. La probabilidad condicionada
4.7. Sucesos dependientes e independientes
4.8. Probabilidad de la intersección de dos o más sucesos
4.9. El teorema de la probabilidad total
4.10. El teorema de Bayes
4.11. Probabilidades en espacios infinito-numerables
4.12. Problemas propuestos
5. Distribuciones de probabilidad discretas
5.1. Introducción
5.2. Definición de variable aleatoria discreta
5.3. Función de probabilidad de una variable aleatoria discreta
5.4. Función de probabilidad acumulada de una variable aleatoria discreta
5.5. Características de una variable aleatoria discreta
5.5.1. Esperanza matemática
5.5.2. Momentos para variables aleatorias
5.5.3. Otros parámetros de interés para variables aleatorias discretas
5.5.4. Características de forma para variables aleatorias discretas
5.6. Principales distribuciones para variables aleatorias discretas
5.6.1. Distribución discreta uniforme
5.6.2. Distribución de Bernoulli
5.6.3. Distribución binomial
5.6.4. Distribución geométrica
5.6.5. Distribución binomial negativa
5.6.6. Distribución hipergeométrica
5.6.7. Distribución de Poisson
5.7. Aproximación de una distribución binomial por una de Poisson
Tablas de distribuciones discretas
5.8. Problemas propuestos
6. Distribuciones de probabilidad continuas
6.1. Definición de variable aleatoria continua
6.2. Función de distribución de una variable aleatoria continua
6.3. Probabilidad asociada a un punto
6.4. Función de densidad de probabilidad de una variable aleatoria continua
6.5. Probabilidad asociada a un intervalo
6.6. Esperanza matemática o valor esperado de una variable aleatoria continua
6.7. Momentos de una variable aleatoria continua
6.8. Otros parámetros de interés para variables aleatorias continuas
6.9. Características de forma
6.10. Acotación de Chebyshev
6.11. Algunas distribuciones continuas
6.11.1. Distribución continua uniforme
6.11.2. Distribución normal o de Laplace-Gauss
Tabla 6.1 de distribuciones continuas
6.12. Problemas propuestos
7. Distribuciones bidimensionales y multidimensionales
7.1. Distribuciones bidimensionales y multidimensionales discretas
7.1.1. Distribuciones marginales
7.1.2. Distribuciones condicionadas
7.1.3. Independencia de variables aleatorias discretas
7.1.4. Distribución de probabilidad para funciones de las variables aleatorias discretas X e Y
7.1.5. Esperanza de una función de X. Función generatriz de momentos respecto del origen
7.2. Distribución multinomial
7.3. Distribuciones bidimensionales y multidimensionales continuas
7.3.1. Distribuciones marginales continuas
7.3.2. Distribuciones condicionadas continuas
7.3.3. Independencia de variables aleatorias continuas
7.3.4. Covarianza
7.3.5. Varianza de la suma de variables aleatorias
7.3.6. Coeficiente de correlación lineal
7.3.7. Esperanza de una función de X. Función generatriz de momentos respecto del origen
7.4. Función característica de una variable aleatoria X
7.5. Función de probabilidad de funciones de X e Y. Cambio de variable
7.6. Distribución normal bidimensional
7.7. Distribución normal multidimensional
7.8. Problemas propuestos
Tercera parte
Inferencia estadística
8. Inferencia estadística. Teoremas del límite
8.1. Introducción
8.2. Población de las muestras
8.3. La distribución normal y la inferencia estadística
8.4. Teoremas del límite
8.4.1. El teorema central
8.4.2. Teorema de Lindeberg-Lévy
8.4.3. Teorema de De Moivre
8.4.4. Aproximación de la distribución binomial por la normal
8.4.5. Aproximación de la distribución de Poisson por la normal
8.5. Distribución de la variable aleatoria X para muestras de tamaño n en poblaciones no normales
8.6. Distribución de una proporción observada ρ
8.7. Estimadores y estimaciones
8.8. Problemas propuestos
9. Estimación de los parámetros de una población
9.1. Estimación puntual de un parámetro de una población
9.1.1. Clases de estimadores
9.1.2. Métodos de obtención de estimadores
9.1.3. Estimación de la media µ
9.1.4. Estimación de una proporción p
9.1.5. Estimación de la varianza σ2
9.2. Principales distribuciones teóricas asociadas al proceso de muestreo
9.2.1. Función gamma
9.2.2. Distribución gamma
9.2.3. Distribución exponencial
9.2.4. Distribución X2
9.2.5. Distribución t de Student
9.2.6. Distribución F de Snedecor-Fisher
9.3. Las funciones de distribución y el programa STATGRAPHICS
9.4. Distribuciones de los estadísticos en el muestreo
9.5. Intervalos de probabilidad
9.5.1. Intervalo de probabilidad con riesgo α para X
9.5.2. Intervalo de probabilidad con riesgo α para P
9.5.3. Intervalo de probabilidad con riesgo α para S2
9.5.4. Intervalo de probabilidad con riesgo α para la cuasidesviación típica s
9.5.5. Intervalo de probabilidad con riesgo α para la diferencia de medias X1- X2
9.5.6. Intervalo de probabilidad con riesgo α para el cociente de cuasivarianzas S21 /S22
9.5.7. Intervalo de probabilidad con riesgo α para la diferencia ρ1-ρ2 de proporciones muestrales
Tabla II. Distribuciones continuas asociadas al proceso de muestreo
9.6. Problemas propuestos
10. Intervalos de confianza de los parámetros de una población
10.1. Introducción
10.2. Intervalo de confianza para µ en una población normal con σ2 conocida
10.3. Intervalo de confianza para µ en una población normal con σ2 desconocida
10.4. Intervalo de confianza para la proporción ρ
10.5. Intervalo de confianza para σ2 en una población normal
10.6. Intervalo de confianza para σ en una población normal
10.7. Relación entre la precisión y el tamaño de la muestra
10.7.1. ¿Cuál debe ser el tamaño de la muestra que se necesita para estimar µ con confianza fijada, 1 - α, y con precisión IX - µ|≤d?
10.7.2. ¿Cuál debe ser el tamaño de la muestra que se necesita para estimar ρ con confianza 1- α , y con precisión I p - p|≤ d?
10.8. Intervalo de confianza para la diferencia de medias µ1 - µ2
10.8.1. Si se conocen las varianzas poblacionales σ2 1 y σ22
10.8.2. Si no se conocen las varianzas poblacionales pero se pueden suponer iguales
10.8.3. Si no se conocen las varianzas poblacionales σ21 y σ 22 y no se pueden suponer iguales
10.9. Intervalo de confianza para la diferencia de proporciones P 1 - P2
10.10. Intervalo de confianza para el cociente de varianzas
Tabla de intervalos de confianza (distribución de los estadísticos en el muestreo)
10.11. Problemas propuestos
11. Contrastes de hipótesis paramétricos
11.1. Introducción
11.2. Etapas a seguir en un contraste paramétrico
11.3. La noción de riesgo. Errores
11.4. El P-valor
11.5. Prueba de conformidad con una proporción teórica (binomial)
11.5.1. Prueba bilateral para ρ
11.5.2. Pruebas unilaterales para ρ
11.6. Prueba de conformidad con una media teórica
11.6.1. Pruebas bilaterales para µ
11.6.2. Pruebas unilaterales para µ
11.7. Prueba de conformidad con una varianza teórica
11.7.1. Prueba bilateral para σ2
11.7.2. Pruebas unilaterales para σ2
11.8. Prueba de comparación de dos proporciones
11.8.1. Contraste bilateral
11.8.2. Contrastes unilaterales
11.9. Prueba de comparación de dos varianzas
11.9.1. Contraste bilateral
11.9.2. Contrastes unilaterales
11.10. Prueba de comparación de dos medias
11.10.1. Contrastes bilaterales
11.10.2. Contrastes unilaterales
11.11. ¿Cómo hacer los contrastes con STATGRAPHICS?
Tablas de contrastes de hipótesis paramétricos
11.12. Problemas propuestos
12. Contrastes no paramétricos
12.1. Introducción
12.2. Prueba X2 de bondad de ajuste para el contraste de proporciones. Ajuste a un modelo multinomial
12.3. Prueba X2 de bondad de ajuste de una distribución observada a una teórica
12.3.1. El modelo especifica completamente la distribución a ajustar
12.3.2. El modelo sólo especifica el tipo de distribución a ajus¬tar, pero no se conocen los valores de los parámetros del modelo
12.4. Prueba X2 de independencia de dos variables
12.5. Prueba X2 de homogeneidad
12.6. Prueba de Kolmogorov-Smimov para una muestra
12.6.1. ¿Cómo hacerlo con STATGRAPHICS?
12.7. Contraste X2 de McNemar para dos muestras apareadas
12.8. Prueba de los rangos con signo de Wilcoxon para dos muestras apareadas
12.9. Contraste U de Mann-Whitney
12.10. Prueba Q de Cochran para k ≥ 3 muestras apareadas
12.11. Contraste de rangos de Friedman para k ≥ 3 muestras apareadas
12.12. Prueba de Kruskal-Wallis para más de dos muestras independientes
12.12.1. ¿Cómo hacerlo con STATGRAPHICS?
12.13. Problemas propuestos
13. Análisis de la varianza y análisis de la regresión
13.1. Introducción al ANOVA
13.2. ANOV A con un factor de variación
Tabla ANOV A con un factor de variación
13.2.1. Contraste de Hartley
13.2.2. Prueba de Bartlett
13.2.3. ¿Cómo hacerlo con STATGRAPHICS?
13.2.4. Comparaciones múltiples
13.3. Análisis de la regresión lineal simple
13.3.1. Contraste de hipótesis para el parámetro β
13.3.2. Contraste de significación de la regresión lineal simple
Tabla de contraste de significación de la regresión lineal simple
13.3.3. Análisis de la regresión lineal simple con varias medidas de la variable Y para un mismo valor de X
Tabla para análisis de la regresión lineal simple
13.3.4. Intervalos de confianza para β
13.3.5. Intervalos de confianza para µy|x = x = α + β x
13.3.6. ¿Cómo hacerlo con STATGRAPHICS?
13.4. Problemas propuestos
Cuarta parte
Una introducción a los procesos estocásticos y a la geoestadística
14. Una introducción a los procesos estocásticos y a la estadística espacial: Métodos geoestadísticos
14.1. Introducción
14.2. Un modelo de proceso estocástico temporal en tiempo discreto. Cadenas de Markov finitas
14.3. Un modelo de proceso estocástico temporal en tiempo continuo. Proceso de Poisson temporal
14.4. Un modelo de proceso estocástico espacial. Proceso espacial de Poisson
14.5. Estadística espacial. Métodos geoestadísticos
14.6. Funciones aleatorias. Variables regionalizadas
14.7. Análisis exploratorio de los datos
14.8. Análisis estructural. Variograma y semivariograma
14.9. Semivariograma experimental
14.10. Funciones aleatorias estacionarias
14.11. Funciones aleatorias intrínsecas
14.12. Modelos teóricos de semivariograma
14.12.1. Modelo efecto pepita puro
14.12.2. Modelo lineal
14.12.3. Modelo potencial
14.12.4. Modelo lineal acotado
14.12.5. Modelo esférico
14.12.6. Modelo esférico con efecto pepita
14.12.7. Modelo gaussiano
14.12.8. Modelo exponencial
14.12.9. Modelo exponencial con pepita
14.13. Análisis estructural de los datos
14.14. Estimación espacial. Krigeado
14.15. Krigeado simple
14.16. El Krigeado ordinario
14.17. Regularización. Variables regularizadas
14.18. Ecuaciones del Krigeado por bloques
14.19. Intervalos de confianza para las estimaciones
14.20. Representaciones gráficas con el programa SURFER para ordenador personal
14.21. ¿Cómo hacer representaciones gráficas con SURFER?
14.22. Problemas propuestos
Apéndice I
Tabla I-X.
Apéndice II
Soluciones a los problemas propuestos
Bibliografía
Índice de materias
No existen productos recomendados en este momento.
No existen productos recomendados en este momento.
