Capítulo 6. Distribuciones muestrales
6.1. El valor P y los intervalos de confianza
6.1.1. Resumen
6.1.2. Introducción
6.1.3. Cálculo y aplicación
6.1.4. Distribuciones muestrales
6.2. Introducción
6.3. Distribuciones muestrales
6.3.1. Media de medias muestrales
6.3.2. Varianza y error estándar de medias muestrales
6.3.3. Definición: el error estándar de la distribución muestral de las medias
6.3.4. Impacto del tamaño de la muestra en el error estándar
6.3.5. Ejemplo 1: Simulación para cálculo de tamaños muestrales
6.3.6. Ejercicio
6.4. Teorema central del límite
6.4.1. Teorema Central del Límite
6.5. La transformación de Box Cox
6.6. Aplicación de la distribución muestral
6.7. Ejemplo 2: Z score y/o valor Z
6.7.1. Distribución de proporciones muestrales
6.8. Métodos de muestreo
6.8.1. Muestreo Aleatorio Simple (MAS)
6.8.2. Muestreo Aleatorio Simple Sistemático (MASS)
6.8.3. Muestreo Aleatorio Estratificado (MAE)
6.8.4. Muestreo aleatorio por conglomerados
6.8.5. Muestreo aleatorio por conveniencia y por conveniencia o intencional
6.8.6. Muestreo por cuotas
6.9. Apéndice
6.9.1. Propiedades avanzadas de distribuciones de probabilidad

Capítulo 7. Intervalos de Confianza (IC) y prueba de hipótesis
7.1. Introducción
7.1.1. Fundamento de un intervalo de confianza
7.2. Intervalo de confianza para estimar π cuando s es conocida
7.2.1. Intervalo de confianza para estimar π cuando s es desconocida
7.3. Intervalo de confianza para la media en el caso de muestras pequeñas – la distribución t
7.3.1. Ejercicios
7.4. Intervalo de confianza para la proporción poblacional
7.4.1. Ejercicios
7.5. Control del ancho del intervalo
7.5.1. Reducción del nivel de confianza
7.5.2. Incremento del tamaño muestral
7.6. Determinación del tamaño de una muestra para estimar un parámetro
7.6.1. Tamaño de una muestra para estimar μ
7.6.2. Tamaño de una muestra para estimar Π
7.6.3. Ejercicios
7.7. Propiedades de los estimadores
7.7.1. Estimador insesgado
7.7.2. Estimador eficiente
7.7.3. Estimador consistente
7.7.4. Estimador suficiente

Capítulo 8. Prueba de hipótesis
8.1. Introducción
8.2. Concepto de prueba de hipótesis
8.2.1. Valores críticos de z y zonas de rechazo
8.2.2. El nivel de significancia y probabilidad de error
8.3. Prueba de dos colas para μ
8.3.1. Ejercicios
8.4. Pruebas de una cola para μ
8.4.1. Ejercicios
8.5. Valores p: uso e interpretación
8.5.1. Valor p para una prueba de dos colas
8.6. Ejercicios
8.7. Pruebas para μ: muestras pequeñas
8.8. Ejercicios
8.9. Pruebas para П
8.10. Ejercicio
8.11. Pruebas cuando se tienen dos poblaciones
8.12. Estimación por intervalo en el caso de muestras independientes
8.12.1. Estimación con muestras grandes
8.13. Ejercicios
8.14. Estimación con muestras pequeñas: la distribución t
8.14.1. Ejercicios
8.15. Estimación del intervalo con muestras pareadas
8.15.1 Ejercicio
8.16. Intervalo de confianza para la diferencia entre dos proporciones
8.16.1. Ejercicios
8.17. Tamaño de una muestra para comparar dos poblaciones
8.17.1. Tamaño de una muestra para estimar μ1-μ2
8.17.2. Tamaño de una muestra para estimar π1 − π2
8.18. Prueba de hipótesis para dos medias con muestras independientes
8.18.1. Prueba para muestras grandes
8.18.2. Prueba de hipótesis con muestras pequeñas suponiendo varianzas iguales pero desconocidas
8.19. Prueba de hipótesis con muestras pequeñas suponiendo varianzas diferentes pero desconocidas
8.20. Prueba de hipótesis con datos pareados
8.20.1. Ejercicios
8.21. Prueba de hipótesis para comparar la diferencia entre dos proporciones
8.21.1. Ejercicios
8.22. Comparación de la varianza de dos poblaciones
8.22.1. Ejercicios

Capítulo 9. Diseño de experimentos
9.1. ANOVA a una vía
9.2. Teorema: identidad de la suma de cuadrados
9.3. La prueba de Bartlett
9.4. La prueba de Levene
9.4.1. Ejercicios
9.5. Comparaciones con un grado de libertad
9.5.1. Ejercicios
9.6. Comparaciones pareadas
9.6.1. Prueba de Tukey
9.6.2. Ejercicios
9.6.3. Prueba de duncan
9.6.4. Prueba de bonferroni y anteriores
9.6.5. Prueba de Dunnett
9.6.6. Ejercicios
9.7. Comparación de un conjunto de tratamientos en bloques
9.7.1. Diseño de bloques completos aleatorizados
9.8. Métodos gráficos y diagnósticos posteriores
9.8.1. Ejercicio
9.9. Modelos de efectos fijos y de efectos aleatorios
9.10. Potencia de las pruebas de ANOVA
9.11. Prueba de Welch
9.11.1. Ejercicios

Capítulo 10. ANOVA a dos vías: diseño aleatorizado en bloques 153
10.1. ANOVA de dos vías con una muestra por grupo
10.2. Teorema: identidad de la suma de cuadrados
10.2.1. ANOVA II vías con varias muestras por grupo
10.3. Usando Excel
10.3.1. Análisis de seguimiento para ANOVA de dos factores con replicaciones (poshoc)
10.3.1.1. Análisis de factor único
10-3.1.2. Contrastes
10.3.1.3. Tukey HSD
10.3.2. Diseño en cuadrado latino
10.4. Experimentos de tres factores

Capítulo 11. Regresión simple y correlación
11.1. Determinación del modelo de regresión lineal simple
11.2. Mínimos cuadrados ordinarios: la recta de mejor ajuste
11.3. Ejemplo utilizando MCO
11.4. Supuestos del modelo de regresión lineal
11.4.1. El término de error ξ es una variable aleatoria con distribución normal
11.4.2. Varianzas iguales de los valores y
11.4.3. Los términos de error son independientes uno del otro
11.4.4. Supuesto de linealidad
11.4.5. El término de error ξ, es una variable aleatoria con distribución normal
11.4.6. Varianzas iguales de los valores y
11.4.7. Los términos de error son independientes uno de otro
11.4.8. Supuesto de linealidad
11.5. El error estándar de estimación: una medida de bondad de ajuste
11.5.1. Análisis de correlación
11.5.2. Ejercicios
11.5.3. Limitaciones del análisis de regresión
11.6. Pruebas para los parámetros poblacionales
11.6.1. Pruebas para β1
11.6.2. Pruebas para el coeficiente de correlación poblacional ρ
11.6.3. Ejercicios
11.7. Intervalos de confianza en el análisis de regresión
11.7.1. La media de Y condicionada a un valor de X
11.7.2. Intervalo de predicción para un valor único de Y
11.7.3. Factores que influyen en el ancho del intervalo
11.7.4. Ejercicios
11.8. Análisis de varianza (ANOVA) en regresión
11.8.1. Ejercicios
11.9. Regresión logística binaria
11.10. Tamaño de una muestra en regresión logística
11.10.1. Ejercicios
11.10.2. Ejercicios

Capítulo 12. Regresión múltiple y correlación
12.1. Introducción
12.2. Teorema 12,1: Estimación insesgada de la varianza
12.3. Un ejemplo de aplicación
12.4. Evaluación del modelo
12.4.1. El error estándar de estimación Se
12.4.2. Coeficiente de determinación múltiple
12.4.3. El coeficiente de determinación corregido o ajustado
12.4.4. Evaluación del modelo como un todo
12.4.5. Pruebas individuales para los coeficientes de regresión parcial
12.5. Presencia de multicolinealidad
12.5.1. Los problemas de la multicolinealidad
12.5.2. Detección de la multicolinealidad
12.5.3. Corrección de la multicolinealidad
12.5.4. Ejercicios
12.6. Comparación de los coeficientes de regresión
12.7. Regresión paso a paso
12.7.1. Eliminación hacia atrás
12.7.2. Selección hacia adelante
12.8. Variables dummy
12.8.1. Ejercicios
12.9. Un ejemplo general: De regresión múltiple
12.10. El error estándar de estimación Se
12.11. El coeficiente de determinación múltiple y el ajustado R2
12.12. Evaluación del modelo como un todo
12.13. Pruebas individuales para los coeficientes de regresión parcial
12.14. Ejercicios
12.15. El caso curvilineal
12.15.1. Ejercicios

Incluye referencias bibliográficas.

Capítulo 6. Distribuciones muestrales.
Capítulo 7. Intervalos de Confianza (IC) y prueba de hipótesis. Capítulo 8. Prueba de hipótesis. Capítulo 9. Diseño de experimentos. Capítulo 10. ANOVA a dos vías: diseño aleatorizado en bloques. Capítulo 11. Regresión simple y correlación. Capítulo 12. Regresión múltiple y correlación.

En forma sencilla usted disfrutará y aplicará los conocimientos necesarios para que pueda tomar decisiones fundamentándose en el rigor científico y sin necesidad de haberse graduado en matemáticas, ingeniería o estadística; no requiere de tener conocimientos en matemáticas, en Excel, ni programar en R, pues se exponen cada uno de los pasos a seguir. Este volumen tiene un enfoque inferencial esencialmente no matemático; se desarrollan en Excel, Real Statistics, R y SPSS los procedimientos de estadística y bioestadística inferencial con ejemplos muy sencillos. Usted comprenderá los conceptos y herramientas necesarias para probar hipótesis, comenzando desde las distribuciones muestrales en búsqueda de intervalo de confianza y pruebas de hipótesis mediante intervalos y valor p, hasta modelos de regresión logística simple y múltiple. Adicionalmente, usted podrá resolver las dudas que tenga en la página de YouTube compartida en el SIL e interactuar con el autor; los ejemplos y ejercicios son tomados, en su mayoría, de casos reales de muchos de sus seguidores. Dirigido a estudiantes y personas de cualquier profesión, incluso desde últimos grados de secundaria, ya que por su sencillez, claridad, video-ejemplos y ejemplos se facilita el aprendizaje de los conceptos y su aplicación en su campo de acción.

Unicoc

Español