000			08440nam a22001817a 4500
999			_c483 _d483
020			_a968-24-1422-9
082			_a310 _bI43m
100			_aSaid Infante Gil
245			_aMétodos Estadísticos: Un enfoque Interdisciplinario
250			_a1 Edición
260			_aMexico _bTrillas _c1984
300			_a642Paginas
505			_aCap. 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
653			_aAnálisis de la varianza _aVariables aleatorias
700			_aGuillermo P. Zárate De Lara
866			_a1
942			_cBK