Cap. 1. Introducción 11
1.1. Idea popular sobre estadísticas, 11. 1.2. La estadísticas y el
mensaje de datos, 11. 1.3. Estadísticas e incertidumbre, 12. 1.4. La
estadísticas y el método científico, 14. 1.5. Una definición de
estadísticas, 16. Bibliografía, 16
Cap. 2. Métodos tabulares y gráficos para la organización y
presentación de datos
17
2.1 Introducción, 17. 2.2. Métodos tabulares para organizar conjuntos de
datos, 18. 2.3. Algunas observaciones sobre las tablas de frecuencias,
26. 2.4. Representación tabular de dos conjuntos de datos, 29. 2.5
Métodos gráficos para representare conjuntos de datos, 33. 2.6
representación grafica fe dos conjuntos de datos, 39. Ejercicios, 41
Cap. 3. Calculo y selección de medidas descriptivas 47
3.1. Introducción, 47. 3.2. Notación de suma y reglas para su uso, 48. 3.3
Medidas de tendencia central (Localización), 51. 3.4. Medidas de
dispersión, 61. 3.5 Selección de medidas descriptivas, 70. 3.6.
Descripción simultánea de los conjuntos de datos, 71. Apéndice A. El
coeficiente de asimetría y dos medidas de alternativas de tendencia
central, 77. Bibliografía, 83. Apéndice B. Codificación, 83. Ejercicios, 88
Cap. 4. Nociones elementales de probabilidad 93
4.1. Introducción, 93. 4.2 Conjunto y su algebra, 94. 4.3. Experimentos
aleatorios espacios muéstrales y eventos, 102. 4.4. Población y muestra,
106. 4.5. Probabilidad, 107. 4.6. Probabilidad condicional, 114. 4.7. El
teorema de Bayes y las probabilidades subjetivas, 188. Ejercicios, 122
Cap. 5. Variables aleatorias y sus distribuciones. Momentos 127
5.1 Variable aleatoria, 127. 5.2. Distribuciones de variables aleatorias,
129. 5.3 la función de distribución acumulativa de probabilidades, 140.
5.4 Las distribuciones de variables aleatorias como modelos para
representar situaciones reales, 143. 5.5. Momentos d variables
aleatorias: Esperanza y varianza, 143. 5.6. Mediana y moda de una
distribución teórica, 153. 5.7. Distribución conjunta de dos variables
aleatorias, 155. 5.8. Momentos conjuntos de variables aleatorias:
Correlación, 163. 5. 9. Independencia de variables aleatorias, 169.
Ejercicios, 174
Cap. 6. Algunos modelos probabilísticos importantes 181
6.1 Introducción, 181. 6.2 Función de probabilidades uniforme discreta,
182. 6.3 Distribución binomial puntual o bernoulli, 185. 6.4. Función de
probabilidades binomial, 187. 6.5. Función de probabilidades
hipergeométricas, 195. 6.6 Función d probabilidades Poisson, 200. 6.7.
Función de probabilidades Binomial negativa, 205. 6.8. Algunas
consideraciones para la elección de un modelo probabilístico discreto,
209. 6.9. La distribución uniforme continua, 210. 6.10. La distribución
normal, 212. 6.11. La distribución Ji-cuadrada, 221. 6.12. La distribución
t de Student, 225. 6.13. La distribución F, 227. Ejercicios, 229
Cap. 7. Distribuciones derivadas probabilísticos importantes 237
7.1. Muestra de variables aleatorias, 237. 7.2. Estadísticas y sus
distribuciones, 241. 7.3. La distribución de la media muestral y le
teorema central del límite, 241. 7.4 La distribución de la media muestral
en muestras aleatorios de la distribución normal, 241. 7.5. Propiedades
de la varianza muestral (S2) y su distribución en muestra aleatorias de
un anormal, 255. 7.6. Distribución de V n(X – u)/S en muestras aleatorias
de una normal, 257. 7.7. Distribución de una razón de varianzas
muéstrales (Dos muestra de distribuciones normales), 259. 7.8.
Aproximación normal de la binomial (Una aplicación del teorema central
del límite). 260. Bibliografía, 264. Ejercicios, 264
Cap. 8. Prueba de hipótesis 269
8.1. Introducción, 269. 8.2. Ideas básicas en una prueba de hipótesis,
270. 8.3. Clasificación de los diferentes tipos de hipótesis, 280. 8.4. Una
prueba de hipótesis de dos colas, 282. 8.5. Sistematización del método
para realizar una prueba de hipótesis, 286. 8.6. Pruebas de hipótesis
sobre la media de una distribución normal, 288. 8.7. Pruebas de
hipótesis sobre la varianza de una distribución normal, 299. 8.8. Pruebas
de hipótesis sobre la medida de una población usando aproximación
normal, 301. 8.9. Pruebas de hipótesis sobre p en una distribución
binomial, 304. 8.10. Error Tipo I, Error Tipo II y tamaño de muestra, 307.
Ejercicios, 313
Cap. 9. Estimación 321
9.1. Introducción, 321. 9.2. Conceptos básicos en estimación puntual,
322. 9.3. Estimación puntual de los parámetros de una distribución
normal, 325. 9.4. Estimación puntual de p en una distribución binomial,
329. 9.5. Ideas básicas de la estimación por intervalo, 331. 9.6. Intervalo
de confianza para la media de una distribución normal, 332. 9.7.
Intervalo de confianza para la varianza de una investigación normal, 335.
9.8. Correspondencia entre pruebas de intervalo de confianza, 337.9.9
Intervalo de confianza para p en una distribución binomial, 338. 9.10.
Intervalo de confianza para una media usando binomial, 342. 9.11.
Importancia de las suposiciones en la inferencia, 344. Bibliografía, 346.
Ejercicios, 346
Cap. 10. Comparación de dos poblaciones 353
10.1. Introducción, 353. 10.2. Diseño experimental y aleatorización, 355.
10.3. Comparación de las medias de dos poblaciones mediante dos
muestras aleatorias independientes, 359. 10.4. Comparación de las
medias de dos poblaciones usando muestras apareadas, 370. 10.5.
¿Muestras independientes o apareadas?, 374. 10.6. Comparación de las
varianzas de dos poblaciones normales, 376. 10.7. Comparación de dos
proporciones binomiales, 383. Ejercicios, 389
Cap. 11. Análisis de la varianza 401
11.1. Introducción. 401. 11.2 Ideas elementales sobre el modelo lineal,
402. 11.3. Análisis de la varianza en el modelo Yi = u + Ej, 404. 11.4
Análisis de la varianza en el diseño complemente aleatorizado, 413.
11.5. Análisis de la varianza en el diseño en bloques aleatorizados
completos, 426. 11.6. Después del análisis de la varianza (contrastes y
un método sencillo de comparaciones múltiples). 435. Bibliografía, 448.
Apéndice A. Prueba de Bartlett para homogeneidad de varianzas, 448.
Bibliografía, 451. Ejercicios, 451
Cap. 12. Regresión lineal simple 463
12.1 Introducción, 463. 12.2. Usos de la regresión lineal simple, 464.
12.3. El modelo de regresión lineal simple, 467. 12.4. Estimación de la
recta de regresión por mínimos cuadrados, 474. 12.5. Interpretación de
la ecuación de regresión estimada, 481. 12.6 Propiedades de los
estimadores de mínimo cuadrados. Estimación de O2, 484. 12.7.
Pruebas de hipótesis e intervalo de confianza para Bo y B1, 490. 12.8.
Análisis de varianza de la regresión, 492. 12.9. Precisión de la recta de
regresión estimada, 498. 12.10. Interpretación de las inferencias sobre
Bo y B1. Ajuste ce de cuentas por el origen, 499.12.11. Inferencias
sobre Uy/X. Predicción. 508. 12. 12. regresión y causalidad. 512. 12.13.
El coeficiente de correlación y su relación con regresión lineal simple,
513. 12.14. Una prueba de la hipótesis: ¿es correcto el modelo de línea
recta? (Error puro y falta de ajuste), 518. 12.15. Importancias de las
suposiciones en el modelo de regresión lineal simple, 523. Bibliografía,
524. Ejercicios, 524
Cap. 13. Algunas técnicas no parámetricas 533
13.1. Consideraciones generales, 533. 13.2 escalas de medición, 535.
13.3. La prueba de Mann y Whitney para dos muestras independientes.
Intervalos de confianza, 537. 13.4. La prueba de Kruskal y Wallis para
más de los muestras independientes, 550. 13.5 pruebas e intervalos de
confianza para dos muestras apareadas y para su muestra, 554. 13.6. La
prueba de Friedman para diseños en bloques aleatorizados completos,
565. 13.7. Técnicas basadas en la distribución JI-cuadrada. (Análisis de
datos categorizados), 567. Bibliografía , 585. Ejercicios, 586
Tablas 599