Probabilidad y estadística : aplicaciones y métodos /
George C. Canavos
- Naucalpan de Juárez : McGraw-Hill, 1988
- xix, 651 p. : fig., tablas ; 23 cm
Incluye índice alfabético
Incluye referencias al final de cada capítulo
Capitulo uno. INTRODUCCIÓN Y ESTADÍSTICAS DESCRIPTIVA 1.1. Introducción 1.2. Descripción grafica de los datos 1.3. Medidas numéricas descriptivas Apéndice: sumatorias y otras notaciones simbólicas Capitulo dos. CONCEPTOS EN PROBABILIDAD 2.1. Introducción 2.2. La definición clásica de probabilidad 2.3. Definición de probabilidad como frecuencia relativa 2.4. Interpretación subjetiva de la probabilidad 2.5. Desarrollo axiomático de la probabilidad 2.6. Probabilidades conjunta, marginal y condicional 2.7. Eventos estadísticamente independientes 2.8. El teorema de Bayes 2.9. Permutaciones y combinaciones Capitulo tres. VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD 3.1. El concepto de variables aleatorias 3.2. Distribuciones de probabilidad de variables aleatorias discretas 3.3. Distribuciones de probabilidad para variables aleatorias continuas 3.4. Valor esperado de variables aleatoria 3.5. Momentos de una variable aleatoria 3.6. Otras medidas de tendencia central y dispersión 3.7. Funciones generadoras de momentos Capitulo cuatro. Algunas distribuciones discretas de probabilidad 4.1. Introducción 4.2. La distribución binomial 4.3. La distribución de Poisson 4.4. La distribución hípergeométrica 4.5. La distribución binomial negativa Apéndice: deducción de la función de probabilidad de Poisson Apéndice: demostración del teorema 4.1 Capitulo cinco. ALGUNAS DISTRIBUCIONES CONTINUAS DE PROBABILIDAD 5.1. Introducción 5.2. La distribución normal 5.3. La distribución uniforme 5.4. La distribución beta 5.5. La distribución gama 5.6. La distribución de Weibull 5.7. La distribución exponencial negativa 5.8. La distribución de una función de variable aleatoria 5.9. Conceptos básicos en la generación de números aleatorios por computadora 5.9.1. Distribución uniforme sobre el intervalo (a,b) 5.9.2. La distribución de Weibull 5.9.3. La distribución de Erlang 5.9.4. La distribución normal 5.9.5. La distribución binomial 5.9.6. La distribución de Poisson Apéndice: demostración de que la expresión (5.1) es una función de densidad de probabilidad Apéndice: demostración del teorema 5.1 Capitulo seis. DISTRIBUCIONES CONJUNTAS DE PROBABILIDAD 6.1. Introducción 6.2. Distribuciones de probabilidad bivariadas 6.3. Distribuciones marginales de probabilidad 6.4. Valores esperados y momentos para distribuciones bivariadas 6.5. Variables aleatorias estadísticamente independientes 6.6. Distribuciones de probabilidad condicional 6.7. Análisis bayesiano: las distribuciones a priori y a posterior 6.8. La distribución normal bivariada Capitulo siete. MUESTRA ALEATORIAS Y DISTRIBUCIONES DE MUESTREO 7.1. Introducción 7.2. Muestras aleatorias 7.3. Distribuciones de muestreo de estadísticas 7.4. La distribución de muestreo de X 7.5. La distribución de muestreo de S2 7.6. la distribución t de Student 7.7. La distribución de la diferencia entre dos medias muestrales 7.8. La distribución F Apéndice: demostración del teorema central del limite Apéndice: deducción de la función de densidad de probabilidad t de Student Capitulo ocho. ESTIMACIÓN PUNTUAL Y POR INTERVALO 8.1. Introducción 8.2. Propiedades deseables de los estimadores puntuales 8.2.1. Estimadores insesgados 8.2.2. Estimadores consistentes 8.2.3. Estimadores insesgados de varianza mínima 8.2.4. Estadísticas suficientes 8.3. Métodos de estimación puntual 8.3.1. Estimación por máxima verosimilitud 8.3.2. Método de los momentos 8.3.3. Estimación por máxima verosimilitud para muestras censuradas 8.4. Estimación por intervalo 8.4.1. Intervalos de confianza para u cunado se muestra una distribución normal con varianza conocida 8.4.2. Intervalos de confianza para u cuando se muestrea una distribución normal con varianza desconocida 8.4.3. Intervalos de confianza para la diferencia de medias cunado se muestran dos distribuciones normales independientes 8.4.4. Intervalos de confianza para o2 cuando se muestrea una distribución normal con media desconocida 8.4.5. Intervalos de confianza para el coeficiente de dos varianzas cuando se muestrean dos distribuciones normales independientes 8.4.6. Intervalos de confianza para el parámetro de proporción p cuando se muestrea una distribución binomial 8.5. Estimación bayesiana 8.5.1. Estimación puntual bayesiana 8.5.2. Estimación bayesiana por intervalo 8.6. Limites estadísticos de tolerancia 8.6.1. Límites de tolerancia independiente de la distribución 8.6.2. Límites de tolerancia cuando se muestrea una distribución normal Capitulo nueve. PRUEBA DE HIPÓTESIS ESTADÍSTICA 9.1. Introducción 9.2. Conceptos básicos para la prueba de hipótesis estadísticas 9.3. Tipos de regiones críticas y la función de potencia 9.4. Las mejores pruebas 9.5. Principios generales para probar una H0 simple contra una H1 uni o bilateral 9.5.1. Principios generales para el caso 1 9.5.2. Principios generales para el caso 2 9.5.3. Principios generales para el caso 3 9.6. Prueba de hipótesis con respecto a las medias cuando se muestrean distribuciones normales 9.6.1. Pruebas para una muestra 9.6.2. Pruebas para dos muestras 9.6.3. Reflexión sobre las suposiciones y sensitividad 9.6.4. Pruebas sobre las medias cuando las observaciones están pareadas 9.7. Pruebas de hipótesis con respeto a las varianzas cunado se muestran distribuciones normales 9.7.1. Pruebas para una muestra 9.7.1. Pruebas para dos muestras 9.8. Inferencias con respecto a las proposiciones de dos distribuciones binomiales independientes Capitulo diez. PRUEBAS DE BONDAD DE AJUSTE Y ANÁLISIS DE TABLAS DE CONTINGENCIA 10.1. Introducción 10.2. la prueba de bondad de ajuste chi-cuadrada 10.3. la estadística de Kolmogorov-Smirov 10.4. la prueba de chi-cuadrada para el análisis de tablas de contingencia con dos criterios de clasificación Capitulo once. Métodos para el control de calidad y muestreo para aceptación 11.1. Introducción 11.2. Tablas de control estadístico 11.2.1. Tablas X (media conocida a la población) 11.2.2. Tablas S (desviación estándar conocida de la población) 11.2.3 Tablas X y S (media varianza desconocidas de la población) 11.3. Procedimientos del muestreo para aceptación 11.3.1. El desarrollo de planes de muestreo sencillos para riesgos estipulados del productor y del consumidor 11.3.2. Muestreo para aceptación por variables 11.3.3. Sistemas de planes de muestreo Capitulo doce. DISEÑO Y ANÁLISIS DE EXPERIMENTOS ESTADÍSTICOS 12.1. Introducción 12.2. Experimentos estadísticos 12.3. Diseños estadísticos 12.4. Análisis de experimentos un factoriales en un diseño completamente aleatorio 12.4.1. Análisis de varianza para un modelo de efectos fijos 12.4.2. Métodos de Scheffé para comparaciones múltiples 12.4.3. Análisis de residuos y efectos de la violación de las suposiciones 12.4.4. El caso de efectos aleatorios 12.5. Análisis de experimentos con solo un factor en un diseño en bloque completamente factoriales 12.6. Experimentos factoriales Capitulo trece. ANÁLISIS DE REGRESIÓN: EL MODELO LINEAL SIMPLE 13.1. Introducción 13.2. El significado de la regresión y suposiciones básicas 13.3. Estimación por mínimos cuadrados para el modelo lineal simple 13.4. Estimación por máxima verosimilitud para el modelo lineal simple 13.5. Propiedades generales de los estimadores de mínimos cuadrados 13.6. Inferencia estadística para el modelo lineal simple 13.7. El uso del análisis de varianza 13.8. Correlación lineal 13.9. Series de tiempo y autocorrelación 13.9.1. Componentes de una serie de tiempo 13.9.2. La estadística de Durbin-Watson 13.9.3. Eliminación de la autocorrelación mediante la transformación de datos 13.10. Enfoque matricial para el modelo lineal simple Apéndice: breve revisión del algebra de matrices Capitulo catorce. ANÁLISIS DE REGRESIÓN: EL MODELO LINEAL GENERAL 14.1. Introducción 14.2. El modelo lineal general 14.3. Principios de la suma de cuadrados extra 14.4. El problema de la multicolinealidad 14.5. Determinación del mejor conjunto de variables de predicción 14.6. Análisis de residuos o residuales 14.7. Regresión polimonial 14.8. Mínimos cuadrados con factores de peso 14.9. Variables indicadoras Capitulo quince. MÉTODOS NO PARAMÉTRICOS 15.1. Introducción 15.2. Pruebas no paramétricas para comparar dos poblaciones con base en muestras aleatorias independientes 15.2.1. Prueba de Mann-Whitney 15.2.2. Prueba de tendencias de Wald-Wolfowitz 15.3. Pruebas no paramétricas para observaciones por pares 15.3.1. La prueba del signo 15.3.2. Prueba de rangos de signos de Wilcoxon 15.3.1. La prueba del signo 15.3.2. Prueba de rangos de signos de Wilcoxon 15.4. Prueba de Kruskal-Wallis para K muestras aleatorias independientes 15.5. Prueba de Friedman para muestra igualadas 15.7. Comentarios finales APÉNDICE Tabla A. Valores de la función de distribución acumulativa binomial Tabla B. Valores de la función de distribución acumulativa de Poisson Tabla C. Valores de la función de probabilidad y de distribución acumulativa para la distribución hipergeométrica Tabla D. Valores de la función de distribución acumulativa normal estándar Tabla E. Valores de cuantiles de la distribución Chi-cuadrada Tabla F. Valores de cuantiles de la distribución t de Student Tabla G. Valores de cuantiles de la distribución F Tabla H. K- valores para los límites de tolerancia bilaterales cunado se muestrean distribuciones normales Tabla I. K- valores para los límites de tolerancia unilaterales cuando se muestrean distribuciones normales Tabla J. Valores de cuantiles superiores de la distribución de la estadística Dn de Kolmogorov-Smirnov Tabla K. Límites de la estadística de Durbin-Watson
9684518560
ANALISIS ESTADISTICO TEORIA DE LAS PROBABILIDADES DISTRIBUCIONES DE PROBABILIDAD DISTRIBUCIONES DE MUESTREO TEOREMA DE BAYES CONTROL ESTADISTICO DE LA CALIDAD DISEÑO EXPERIMENTAL ANALISIS DE REGRESION ESTADISTICA NO PARAMETRICA