Inferencia estadística : curso intermedio

Vista sencilla de ítem
dc.contributor.authorGonzález García, Luz Mery
dc.contributor.authorJiménez Moscoso, José Alfredo
dc.contributor.orcidGonzález García, Luz Mery [0000000213216754]
dc.contributor.orcidJiménez Moscoso, José Alfredo [0000000223912809]
dc.date.accessioned2025-10-01T17:44:19Z
dc.date.available2025-10-01T17:44:19Z
dc.date.issued2024
dc.descriptionilustraciones (algunas a color), diagramasspa
dc.description.abstractLa inferencia estadística es, en la actualidad, un elemento esencial de los conocimientos estadísticos necesarios para estadísticos y científicos de datos. Además, la comprensión de las temáticas abordadas en inferencia (métodos de estimación, intervalos de confianza y pruebas de hipótesis) son apropiadas para estadísticos, economistas, físicos y profesionales que necesitan realizar pronósticos. Pese a las diversas utilidades de inferencia estadística, la mayoría de los textos de inferencia no introducen algunos temas; por eso, en muchos casos, no se encuentra un libro que se ajuste a los requerimientos y necesidades de ciertas materias. Este material está basado en los cursos de inferencia estadística y estadística matemática de los programas académicos en estadística de la Universidad Nacional, sede Bogotá; y se redactó usando diferentes textos, se resaltan, principalmente, los libros referenciados en la bibliografía: [12], [20], [48], [65], [67], [77] y [82], entre otros. Este texto sirve de ayuda para aquellos estudiantes que toman diversas asignaturas en las cuales deben tener o les serían útiles las metodologías de inferencia. Aunque es recomendable tomar un curso de probabilidad antes de comenzar un curso de inferencia, este material le permitirá al lector adquirir la práctica necesaria en el manejo de métodos de estimación y pruebas de hipótesis. El objetivo principal de este material es el de capacitar al lector para que adquiera la habilidad de usar herramientas de estadística inferencial en diferentes ámbitos, proporcionándole conceptos como la estimación puntual y por intervalo, para que pueda realizar pruebas de hipótesis de una manera óptima; durante su desarrollo, se plantean ejemplos y ejercicios relacionados con la teoría. Algunos ejemplos se pueden replicar siguiendo las instrucciones del paquete estadístico R (se empleó [73] versión 4.3.1). Se incluyeron dos capítulos a manera de recopilación de conceptos, procedimientos y resultados básicos que, por lo general, forman parte del curso de probabilidad, con el propósito de que el material sea autocontenido. Si el lector tiene amplios conocimientos de probabilidad, puede pasar de inmediato al capítulo 3. Este material está escrito de forma secuencial, pues los contenidos previos son importantes para tener una mejor comprensión del desarrollo de cada sección posterior, lo cual ayudará al lector a alcanzar su principal objetivo. Asimismo, proporciona un medio individual para estudiar el tema expuesto y es muy práctico como texto autodidáctico. Además, permitirá que el lector avance a su propio ritmo. Por este motivo, pueden usarlo los estudiantes con diferentes aptitudes, conocimientos y velocidades de lectura. Agradecemos la colaboración de la Facultad de Ciencias, que por medio de su oficina de publicaciones nos permitió la divulgación de este material. También queremos dar las gracias tanto a los colegas que evaluaron este manuscrito, como a nuestros estudiantes del curso de inferencia de la carrera de Estadística, por sus sugerencias y comentarios, los cuales fueron muy útiles en la redacción de este libro. Además, queremos agradecer al equipo editorial de la Universidad Nacional de Colombia, sede Bogotá, por la corrección de estilo. (Texto tomado de la fuente)spa
dc.description.editionPrimera edición, 2024
dc.description.tableofcontentsCapítulo uno -- Variables aleatorias y distribuciones univariadas -- 1.1. Conceptos básicos de espacio muestral -- 1.2. Concepto de probabilidad -- 1.3. Probabilidad condicional -- 1.4. Regla de multiplicación -- 1.5. Independencia -- 1.6. Regla de Bayes -- 1.7. Variable aleatoria -- 1.8. Distribuciones de probabilidad -- 1.8.1. Algunas distribuciones discretas -- 1.8.2. Algunas distribuciones continuas -- 1.9. Aproximaciones de distribuciones de probabilidad --1.10.Desigualdad de Chebyshev -- 1.11.Funciones generadoras -- 1.11.1.Función generadora de probabilidad -- 1.11.2.Función generadora de momentos --1.11.3.Función característica -- 1.12.Ejercicios -- Capítulo dos -- Vectores aleatorios y distribuciones multivariadas 2.1. Distribución de probabilidad conjunta -- 2.2. Función de distribución conjunta -- 2.3. Valores esperados y momentos -- 2.4. Valor esperado condicional -- 2.5. Varianza condicional -- 2.6. Correlación entre variables -- 2.7. Distribución de suma de variables aleatorias independientes -- 2.8. Transformaciones de variables aleatorias -- 2.9. Normal bivariada -- 2.9.1. Distribución normal bivariada estándar -- 2.9.2. Distribución normal bivariada -- 2.10.Familia exponencial lineal -- 2.10.1.Familia exponencial lineal (uniparamétrica) -- 2.10.2.Familia exponencial de un parámetro en forma natural -- 2.11.Probabilidad y estadística multivariada -- 2.11.1.Función de distribución acumulada conjunta -- 2.12.Valor esperado y matriz de covarianzas -- 2.13.Funciones generadoras multidimensionales -- 2.13.1.Función generadora de momentos multidimensional -- 2.13.2.Función característica multidimensional -- 2.14.Distribución de suma de variables aleatorias independientes -- 2.15.Transformaciones de dos o más variables aleatorias -- 2.16.Normal multivariada -- 2.17.Ejercicios -- Capítulo tres -- Propiedades de una muestra aleatoria -- 3.1. Conceptos básicos de muestra aleatoria -- 3.2. Estadísticos de orden -- 3.3. Órdenes de magnitud -- 3.3.1. Órdenes de magnitud de sucesiones de números reales y vectores --3.3.2. Órdenes de magnitud de funciones -- 3.3.3. Órdenes de magnitud en probabilidad de sucesiones estocásticas -- 3.4. Convergencia estocástica -- 3.4.1. Tipos de convergencia estocástica -- 3.4.2. Convergencia en distribución o convergencia en ley -- 3.4.3. Teoremas límites -- 3.5. Ejercicios -- Capítulo cuatro -- Métodos de estimación puntual -- 4.1. Principio de sustitución -- 4.1.1. Estimación por sustitución de frecuencias -- 4.1.2. Estimación por método de momentos -- 4.2. Estimación por máxima verosimilitud -- 4.3. Estimación bayesiana -- 4.3.1. Distribuciones a priori y a posteriori -- 4.3.2. Estimación puntual bayesiana -- 4.4. Estimación por el método de mínimos cuadrados -- 4.4.1. Mínimos cuadrados ordinarios -- 4.4.2. Mínimos cuadrados ponderados -- 4.5. Conceptos básicos para estimación minimax -- 4.6. Ejercicios -- Capítulo cinco -- Propiedades de los estimadores -- 5.1. Suficiencia -- 5.2. Estadística suficiente minimal -- 5.3. Completez -- 5.4. Error cuadrático medio e insesgamiento -- 5.5. Estimador insesgado de mínima varianza (UMVUE) -- 5.6. Cota inferior de Cramér-Rao -- 5.7. Consistencia -- 5.8. Eficiencia -- 5.9. Invarianza para estimadores de máxima verosimilitud -- 5.10.Familia exponencial -- 5.10.1. Estimación de máxima verosimilitud en la familia exponencial -- 5.10.2.Familia exponencial de un parámetro en forma natural -- 5.10.3.Familia exponencial de k parámetros -- 5.10.4. Estimación de máxima verosimilitud en la familia exponencial de k parámetros -- 5.11.Ejercicios -- Capítulo seis -- Intervalos de confianza -- 6.1. Conceptos básicos de intervalos de confianza -- 6.2. Intervalos de confianza basados en una única estadística -- 6.3. Intervalos de confianza basados en la FVR -- 6.4. Método pivotal -- 6.5. Algunos casos particulares -- 6.5.1. Intervalo de confianza para una proporción -- 6.5.2. Intervalo de confianza para diferencia de medias de dos poblaciones independientes -- 6.5.3. Intervalo de confianza para diferencia de medias de dos poblaciones no independientes -- 6.5.4. Intervalo de confianza para diferencia de proporciones de dos poblaciones independientes -- 6.6. Estimación bayesiana por intervalo -- 6.7. Tamaño de muestra simple bajo normalidad -- 6.7.1. Tamaño de muestra para estimar la media con varianza conocida --6.7.2. Tamaño de muestra para la estimación de una proporción -- 6.8. Ejercicios -- Capítulo siete -- Prueba de hipótesis -- 7.1. Elementos básicos de pruebas de hipótesis -- 7.2. Evaluación de tests -- 7.3. Test uniformemente más potente -- 7.3.1. Test de razón de verosimilitud -- 7.3.2. Lema de Neyman-Pearson -- 7.4. Algunos casos particulares -- 7.4.1. Prueba de hipótesis sobre una varianza cuando 𝜇 es una constante desconocida -- 7.4.2. Prueba de hipótesis sobre diferencia de medias de dos poblaciones independientes -- 7.4.3. Pruebas de hipótesis para la igualdad de varianzas -- 7.4.4. Prueba de hipótesis para diferencia de medias de dos poblaciones no independientes -- 7.4.5. Pruebas de hipótesis para diferencia entre dos proporciones poblacionales, muestras independientes -- 7.5. Bondad de ajuste -- 7.5.1. Test de Pearson para bondad de ajuste -- 7.5.2. Test de Kolmogorov para bondad de ajuste -- 7.6. Ejercicios -- Capítulo ocho -- Comportamiento asintótico de estadísticas de prueba -- 8.1. Función de estimación. Caso uniparamétrico -- 8.1.1. Propiedades de una función de estimación -- 8.2. Función de estimación. Caso multiparamétrico y vectorial -- 8.2.1. Propiedades de una función de estimación multivariada -- 8.3. Estadísticas de prueba -- 8.4. Ejercicios -- Apéndice A -- Series de Taylor -- A.1. Expansiones de Taylor -- A.1.1. Fórmula de Taylor con resto -- A.2. Ejercicios -- Apéndice B -- Tópicos especiales de matemáticas -- B.1. Tópicos de álgebra matricial -- B.1.1. Transformación ortogonal -- B.1.2. Forma cuadrática -- B.1.3. Inversa generalizada -- B.2. Tópicos de cálculo -- B.2.1. Máximo o mínimo local -- B.2.2. Desigualdad de Jensen -- B.3. Distribuciones de algunas formas cuadráticas -- B.4. Otros tópicos -- B.4.1. Condiciones de regularidad -- B.4.2. Ejemplo numérico de máxima verosimilitud -- B.5. Ejerciciosspa
dc.format.extentxx, 524 páginas
dc.format.mimetypeapplication/pdf
dc.identifier.eisbn9789585057685
dc.identifier.instnameUniversidad Nacional de Colombia
dc.identifier.reponameRepositorio Institucional Universidad Nacional de Colombia
dc.identifier.repourlhttps://repositorio.unal.edu.co/
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/88997
dc.language.isospa
dc.publisherUniversidad Nacional de Colombia. Facultad de Ciencias
dc.publisherCoordinación de publicaciones Facultad de Ciencias
dc.publisher.placeBogotá
dc.relation.ispartofseriesNotas de Clase
dc.relation.referencesM. Abramowitz and I. Stegun. Handbook ofMathematical Functions, with Formulas, Graphs and Mathematical Tables. Dover Publications, Nueva York, 1965.
dc.relation.referencesA. Agresti and B. Caffo. “Simple and Effective Confidence Intervals for Proportions and Differences of Proportions Result from Adding Two Successes and Two Failures.” The American Statistician, volume 54, no. 4, pp. 280–288, 2000. http://doi.org/10.1080/ 00031305.2000.10474560.
dc.relation.referencesJ. Albert. Bayesian ComputationWith R. Springer-Verlag, Nueva York, 2 edition, 2009.
dc.relation.referencesT. M. Apostol. Mathematical Analysis. AddisonWesley, Reading, MA, 2 edition, 1974.
dc.relation.referencesT. M. Apostol. Calculus I. Cálculo con funciones de una variable, con una introducción al álgebra Lineal. Editorial Reverté, Barcelona, 2009.
dc.relation.referencesT. M. Apostol. Calculus II. Cálculo con funciones de una variable, con una introducción al álgebra Lineal. Editorial Reverté, Barcelona, 2009.
dc.relation.referencesR. Artes and D. A. Botter. Funções de Estimação em Modelos de Regressão. ABE, São Paulo, 2005. 9na Escola de Modelos de Regressão.
dc.relation.referencesE. Artin. The gamma function. Athena series; selected topics in mathematics. Holt, Rinehart andWinston, Nueva York, 1st edition, 1964
dc.relation.referencesA. C. Atkinson. “Two Graphical Displays for Outlying and Influential Observations in Regression.” Biometrika, volume 68, no. 1, pp. 13–20, 1981. http://doi.org/10.2307/2335801.
dc.relation.referencesJ. O. Berger. Statistical decision theory and Bayesian analysis. Springer series in statistics. Springer-Verlag, Nueva York, 2nd edition, 1985.
dc.relation.referencesB. R. Bhat. Modern Probability Theory. John Wiley & Sons, Nueva York, 2nd edition, 1985
dc.relation.referencesP. J. Bickel and K. A. Doksum. Mathematical statistics: basic ideas and selected topics, volume I. CRC Press - Taylor & Francis Group, San Francisco, 2nd. edition, 2015.
dc.relation.referencesP. Billingsley. Convergence of probability measures. Wiley series in probability and statistics. Probability and statistics section.Wiley, Hoboken, NJ, 2nd edition, 1999.
dc.relation.referencesY. M. Bishop, S. E. Fienberg, P.W. Holland, et al. Discrete Multivariate Analysis, Theory and Practice. Springer Monographs in Mathematics. Springer, Nueva York, 1 edition, 2007.
dc.relation.referencesD. Blackwell and M. A. Girshick. Theory of games and statistical decisions. Wiley publication in statistics.Wiley, Nueva York, 1954.
dc.relation.referencesL. Blanco. Probabilidad. Universidad Nacional de Colombia, Bogotá, 2a. edition, 2010.
dc.relation.referencesJ. I. Bula. “Estadísticas e indicadores de la Universidad Nacional de Colombia.” Revista de la Oficina Nacional de Planeación, volume 13, pp. 1–143, 2007. https://estadisticas.unal.edu.co/fileadmin/ user_upload/Revista_2007.pdf.
dc.relation.referencesC. W. Burrill. Measure, Integration, and Probability. McGraw-Hill, Nueva York, 1972
dc.relation.referencesG. C. Canavos. Probabilidad y estadística. Aplicaciones y Métodos. Mc Graw-Hill, México, 1988.
dc.relation.referencesG. Casella and R. L. Berger. Statistical Inference. Thompson Learning, Pacific Grove, 2nd. edition, 2002
dc.relation.referencesE. Cepeda. Estadística matemática. Universidad Nacional de Colombia, Bogotá, 1a. edition, 2015.
dc.relation.referencesW. J. Conover. Practical nonparametric statistics. Wiley series in probability and statistics. John Wiley & Sons, Nueva York, 3rd edition, 1999.
dc.relation.referencesR. Courant and F. John. Introduction to calculus and analysis, volume 1 of Classics in Mathematics. Springer-Verlag Berlin Heidelberg, Nueva York, 1999
dc.relation.referencesD. R. Cox and D. V. Hinkley. Theoretical statistics. CRC Press - Taylor & Francis Group, Nueva York, 2nd edition, 2017.
dc.relation.referencesH. Cramér. Mathematical methods of statistics. Princeton Landmarks in Mathematics and Physics. Princeton University Press, New York, 9th edition, 1962
dc.relation.referencesA. J. Dobson and A. G. Barnett. An introduction to generalized linear models. Chapman & Hall Statistics Texts. CRC Press: Taylor & Francis Group, Boca Ratón, 4th edition, 2018
dc.relation.referencesE. J. Dudewicza, Y. Ma, E. Mai, et al. “Exact solutions to the Behrens−Fisher Problem: Asymptotically optimal and finite sample efficient choice among.” Journal of Statistical Planning and Inference, volume 137, no. 5, pp. 1584–1605, 2007. http://doi.org/10.1016/ j.jspi.2006.09.007.
dc.relation.referencesB. Efron and D. V. Hinkley. “Assessing the accuracy of the maximum likelihood estimator: Observed versus expected Fisher information.” Biometrika, volume 65, no. 3, pp. 457–483, 1978. https://doi.org/ 10.1093/biomet/65.3.457.
dc.relation.referencesB. S. Everitt. The Cambridge Dictionary of Statistics. Cambridge University Press, Cambridge, 2006
dc.relation.referencesT. S. Ferguson. A course in large sample theory. Chapman & Hall texts in statistical science. Chapman and Hall/CRC, Londres, 1st edition, 1996.
dc.relation.referencesR. A. Fisher. “Two New Properties of Mathematical Likelihood.” Proceedings of the Royal Society of London. Series A, volume 144, no. 852, pp. 285–307, 1934. http://doi.org/10.1098/rspa.1934.0050
dc.relation.referencesR. A. Fisher. “The Negative Binomial Distribution.” Annals of Eugenics, volume 11, no. 1, pp. 182–187, 1941. https://doi.org/10.1111/j. 1469-1809.1941.tb02284.x.
dc.relation.referencesM. Fisz. Probability theory and mathematical statistics. John Wiley & Sons, Nueva York, 3ed edition, 1980.
dc.relation.referencesS. French. Decision theory: An introduction to the mathematics of rationality. JohnWiley & Sons, Nueva York, first edition, 1988.
dc.relation.referencesM. Ghosh, D. Reid, and D. A. S. Frase. “Ancillary statistics: a review.” Statista Sinica, volume 20, pp. 1309–1332, 2010. https://utstat. utoronto.ca/reid/research/A20n41.pdf.
dc.relation.referencesB. V. Gnedenko. Theory of Probability. Taylor & Francis, India, sixth edition, 2018
dc.relation.referencesV. P. Godambe. “An optimum property of regular maximum likelihood estimation.” The Annals of Mathematical Statistics, volume 31, no. 4, pp. 1208–1211, 1960. http://doi.org/10.1214/aoms/1177705693.
dc.relation.referencesD. A. Harville. Matrix Algebra from a Statistician’s Perspective. Springer, Nueva York, 1997
dc.relation.referencesR. R. Hocking. Methods and applications of linear models. JohnWiley & Sons, Hoboken, N.J., 1996.
dc.relation.referencesP. J. Huber. “Robust Estimation of a Location Parameter.” The Annals of Mathematical Statistics, volume 35, no. 1, pp. 73–101, 1964. http: //doi.org/10.1214/aoms/1177703732.
dc.relation.referencesV. S. Huzurbazar. “The likelihood equation, consistency and the maxima of the likelihood function.” Annals of Human Genetics, volume 14, no. 1, pp. 185–200, 1947. http://doi.org/10.1111/j.1469-1809. 1947.tb02394.x.
dc.relation.referencesV. S. Huzurbazar. “Confidence Intervals for the Parameter of a Distribution Admitting A Sufficient Statistic when The Range Depends on the Parameter.” Journal of the Royal Statistical Society Series B (Methodological), volume 17, no. 1, pp. 86–90, 1955. http: //doi.org/10.1111/j.2517-6161.1955.tb00182.x.
dc.relation.referencesB. R. James. Probabilidade: um curso em nível intermediário. Associação Instituto Nacional de Matemática Pura e Aplicada, Rio de Janeiro, 2da edition, 2002.
dc.relation.referencesJ. A. Jiménez. Álgebra matricial con aplicaciones en estadística. Universidad Nacional de Colombia, Bogotá, 3a edition, 2017
dc.relation.referencesN. L. Johnson, A.W. Kemp, and S. Kotz. Univariate Discrete Distributions. Wiley Series in Probability and Statistics. Wiley-Interscience, Nueva York, 3 edition, 2005.
dc.relation.referencesR. A. Johnson, J. Ladalla, and S. T. Liu. “Differential Relations, in the Original Parameters, which Determine the First Two Moments of the Multiparameter Exponential Family.” The Annals of Statistics, volume 7, no. 1, pp. 232–235, 1979. http://doi.org/10.1214/aos/ 1176344569.
dc.relation.referencesB. Jørgensen and R. Labouriau. Exponential families and theoretical inference, volume 52 of Monografías de Matemática. Springer, Rio de Janeiro, 2 edition, 2012.
dc.relation.referencesJ. G. Kalbfleisch. Probability and Statistical Inference, volume 2 of Springer Texts in Statistics. Springer-Verlag, Nueva York, second edition, 1985
dc.relation.referencesS. H. Kim and A. S. Cohen. “On the Behrens−Fisher Problem: A Review.” Journal of Educational andBehavioral Statistics, volume 23, no. 4, pp. 356–377, 1998. http://doi.org/10.3102/10769986023004356
dc.relation.referencesM. Knott. “Statistics 2.”, 2002. http://stats.lse.ac.uk/knott/ tiger.links/stats2/st2.pdf.
dc.relation.referencesE. L. Lehmann. “An Interpretation of Completeness and Basu’s Theorem.” Journal of the American Statistical Association, volume 76, pp. 335–340, 1981. http://doi.org/10.2307/2287834.
dc.relation.referencesE. L. Lehmann. Elements of Large-Sample Theory. Springer Texts in Statistics. Springer-Verlag, Nueva York, 1999
dc.relation.referencesE. L. Lehmann and G. Casella. Theory of point estimation. Springer texts in statistics. Springer-Verlag, Nueva York, 2nd edition, 2003.
dc.relation.referencesE. L. Lehmann and J. P. Romano. Testing statistical hypotheses. Springer- Verlag, Nueva York, third edition, 2008
dc.relation.referencesJ. G. Leite and J. M. Singer. Métodos assintóticos em estatística. Fundamentos e Aplicações. Associação Brasileira de Estatística, São Paulo, 1990.
dc.relation.referencesL. Leithold. El cálculo con geometría analítica. Harla, México, 1992.
dc.relation.referencesD. V. Lindley. Introduction to Probability and Statistics from a Bayesian Viewpoint, Inference, volume 2. Cambridge University Press, Nueva York, 1970.
dc.relation.referencesE. C. MacRae. “Matrix Derivatives with an Application to an Adaptive Linear Decision Problem.” The Annals of Statistics, volume 2, no. 2, pp. 337 – 346, 1974. https://doi.org/10.1214/aos/1176342667.
dc.relation.referencesM. Magalhães. Probabilidade e Variáveis Aleatórias. Editora da Universidade de São Paulo, São Paulo, 2006.
dc.relation.referencesJ. R. Magnus and H. Neudecker. Matrix differential calculus with applications in statistics and econometrics. John Wiley & Songs, Chichester, 1995
dc.relation.referencesM. J. Marqués De Cantú. Probabilidad y estadística para ciencias químicobiológicas. McGraw-Hill Interamericana, México, 1991.
dc.relation.referencesH. Mayorga. Inferencia estadística. Universidad Nacional de Colombia, Bogotá, 2004.
dc.relation.referencesJ. S. Milton. Estadística para biología y ciencias de la salud. McGraw-Hill, Interamericana, México, 3a edition, 2001
dc.relation.referencesD. C.Montgomery andG. C. Runger. Probabilidad y Estadística aplicadas a la ingeniería. McGraw-Hill, México, 1a edition, 1996.
dc.relation.referencesA. M. Mood, F. A. Graybill, and D. C. Boes. Introduction to the Theory of Statistics. McGraw-Hill, Singapur, third edition, 1974.
dc.relation.referencesM. Muñoz and L. Blanco. Introducción a la teoría avanzada de la probabilidad. Universidad Nacional de Colombia, Bogotá, 2002.
dc.relation.referencesN. Mukhopadhyay. Probability and statistical inference. Statistics: A Series of Textbooks and Monographs. Marcel Dekker, Nueva York, 1 edition, 2000.
dc.relation.referencesV. N. Murty. “Integration by Parts.” The Two-Year College Mathematics Journal, volume 11, no. 2, pp. 90–94, 1980. http://doi.org/10. 2307/3026660.
dc.relation.referencesF. Oberhettinger. Fourier Transforms of Distributions and Their Inverses: A Collection of Tables. Probability& Mathematical StatisticsMonograph. Academic Press, Nueva York, 1973.
dc.relation.referencesJ. Pfanzagl. “On the Behrens−Fisher problem.” Biometrika, volume 61, no. 1, pp. 39–47, 1974. http://doi.org/10.1093/biomet/61.1.39.
dc.relation.referencesE. J. G. Pitman and J. Wishart. “Sufficient statistics and intrinsic accuracy.” Mathematical Proceedings of the Cambridge Philosophical Society, volume 32, no. 4, pp. 567–579, 1936. http://doi.org/10.1017/ s0305004100019307.
dc.relation.referencesA. Prada and D. A. Ruiz. Respuesta de la pitahaya (Cereus triangularis Haw.) a la fertilización edáfica y foliar en el municipio de Sasaima. Trabajo de grado, Universidad Nacional de Colombia, Facultad de Agronomía. Bogotá, 1990
dc.relation.referencesRCore Team. R: A Language andEnvironment for Statistical Computing. R Foundation for Statistical Computing, Vienna, 2011. www.R-project. org.
dc.relation.referencesA. C. Rencher. Methods of multivariate analysis. Wiley series in probability and mathematical statistics. JohnWiley & Sons, Nueva York, 2nd edition, 2002.
dc.relation.referencesS. M. Ross. Introduction to Probability Models. Academic Press, Nueva York, 12th edition, 2019
dc.relation.referencesG. G. Roussas. A Course inMathematical Statistics. Academic Press, San Diego, 1997
dc.relation.referencesG. G. Roussas. An introduction to probability and statistical inference. Elsevier Inc., Londres, 2nd edition, 2015
dc.relation.referencesF. J. Samaniego. A comparison of the Bayesian and frequentist approaches to estimation. Springer series in statistics. Springer-Verlag, Nueva York, 1 edition, 2010
dc.relation.referencesL. J. Savage. “The Theory of Statistical Decision.” Journal of the American Statistical Association, volume 46, no. 253, pp. 55–67, 1951. http://doi.org/10.2307/2280094.
dc.relation.referencesH. Scheffé. “Practical Solutions of the Behrens−Fisher Problem.” Journal of the American Statistical Association, volume 65, no. 332, pp. 1501– 1508, 1970. http://doi.org/10.1080/01621459.1970.10481179
dc.relation.referencesR. L. Schilling. Measures, Integrals and Martingales. Cambridge: Cambridge University Press, 2 edition, 2017
dc.relation.referencesP. K. Sen and J. M. Singer. Large Sample Methods in Statistics: An Introduction with Applications. CRC Press - Taylor & Francis Group, Nueva York, 2017
dc.relation.referencesT. A. Severini. Elements of Distribution Theory. Cambridge Series in Statistical and Probabilistic Mathematics. Cambridge: Cambridge University Press, Nueva York, 2005
dc.relation.referencesJ. M. Singer and L. M. Magalhães. “Efeito do sódio na pressão arterial em hipertensos essenciais.” Technical Report RAECEA- 97P37, Centro de Estatística Aplicada, IME, Universidade de São Paulo, 1998. https://repositorio.usp.br/directbitstream/ 3bdd911c-4f66-4532-860a-d67167f2b4f0/979489.pdf.
dc.relation.referencesA. Stuart and J. K. Ord. Kendall’s Advanced Theory of Statistics, volume I of Kendall’s Advanced Theory of Statistics. Griffin, Londres, 6th edition, 1994.
dc.relation.referencesE. Talvila. “Necessary and sufficient conditions for differentiating under the integral sign.” The American MathematicalMonthly, volume 108, no. 6, pp. 544–548, 2001. http://doi.org/10.1080/00029890. 2001.11919782.
dc.relation.referencesR. C. Tiwari, Y. Yang, and J. N. Zalkikar. “Bayes estimation for the Pareto failure-model using Gibbs sampling.” IEEE Transactions on Reliability, volume 45, no. 3, pp. 471–476, 1996. http://doi.org/ 10.1109/24.537018
dc.relation.referencesD. D.Wackerly,W. Mendenhall III, and R. L. Scheaffer. Estadística matemática con aplicaciones. Cengage Learning Editores, México, 7 edition, 2009.
dc.relation.referencesR. E.Walpole, R. H. Myers, S. L. Myers, et al. Probability & statistics for engineers & scientists. Pearson Education, Nueva York, 9th edition, 2012.
dc.relation.referencesB. L.Welch. “The Significance of the Difference Between Two Means when the Population Variances are Unequal.” Biometrika, volume 29, no. 3-4, pp. 350–362, 1938. http://doi.org/10.1093/biomet/29. 3-4.350.
dc.relation.referencesB. L. Welch. “The Generalization of ‘Student’s’ Problem when Several Different Population Variances are Involved.” Biometrika, volume 34, no. 1-2, pp. 28–35, 1947. http://doi.org/10.1093/biomet/ 34.1-2.28.
dc.relation.referencesJ. E. Wilkins. “A Note on Skewness and Kurtosis.” The Annals of Mathematical Statistics, volume 15, no. 3, pp. 333–335, 1944. http: //doi.org/10.1214/aoms/1177731243
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.licenseAtribución-CompartirIgual 4.0 Internacional
dc.rights.urihttp://creativecommons.org/licenses/by-sa/4.0/
dc.subject.bneEstimación estadística -- Metodología -- Ejercicios y problemas
dc.subject.bneEstimation theory -- Methodology -- Problems and exercises
dc.subject.bneProbabilidades
dc.subject.bneProbabilities
dc.subject.bneDistribución (Teoría de probabilidades)
dc.subject.bneDistribution (Probability theory)
dc.subject.bneContrastación de hipótesis (Estadística)
dc.subject.bneStatistical hypothesis testing
dc.subject.bneMuestreo (Estadística)
dc.subject.bneSampling (Statistics)
dc.subject.bneMínimos cuadrados
dc.subject.bneLeast squares
dc.subject.bneProcesos estocásticos
dc.subject.bneStochastic processes
dc.subject.bneCorrelación (Estadística)
dc.subject.bneCorrelation (Statistics)
dc.subject.ddc510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
dc.subject.ddc519.54
dc.subject.lembEstadística matemática -- Problemas, ejercicios, etc.
dc.subject.lembMathematical statistics -- Problems, Exercises, etc.
dc.subject.lembTeoría bayesiana de decisiones estadísticas -- Problemas, ejercicios, etc.
dc.subject.lembBayesian statistical decision theory -- Problems, Exercises, etc.
dc.subject.lembConvergencia
dc.subject.lembConvergence
dc.subject.lembEstadística matemática -- Procesamiento de datos
dc.subject.lembMathematical statistics -- Data processing
dc.subject.proposalConvergenciaspa
dc.subject.proposalEstimación estadísticaspa
dc.subject.proposalIntervalos de confianzaspa
dc.subject.proposalPruebas de hipótesisspa
dc.subject.proposalPruebas de bondad de ajustespa
dc.subject.unamIntervalos de confianza
dc.subject.unamConfidence intervals
dc.subject.unamPrueba de hipótesis estadística
dc.subject.unamStatistical hypothesis testing
dc.subject.unamPrueba de bondad de ajuste
dc.subject.unamGoodness-of-fit tests
dc.subject.unamProcesos puntuales
dc.subject.unamPoint processes
dc.subject.unamTeoría de la estimación
dc.subject.unamEstimation theory
dc.subject.unamEstimación de parámetros
dc.subject.unamParameter estimation
dc.titleInferencia estadística : curso intermediospa
dc.typeLibro
dc.type.coarhttp://purl.org/coar/resource_type/c_2f33
dc.type.coarversionhttp://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.contentText
dc.type.driverinfo:eu-repo/semantics/book
dc.type.redcolhttp://purl.org/redcol/resource_type/LIB
dc.type.versioninfo:eu-repo/semantics/publishedVersion
dcterms.audience.professionaldevelopmentEstudiantes
dcterms.audience.professionaldevelopmentInvestigadores
dcterms.audience.professionaldevelopmentPúblico general
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2

Archivos

Bloque original

Mostrando 1 - 1 de 1
Miniatura
Nombre:
Libro finalizado Inferencia Estadística (1).pdf
Tamaño:
7.64 MB
Formato:
Adobe Portable Document Format
Descargar

Bloque de licencias

Mostrando 1 - 2 de 2
Miniatura
Nombre:
license.txt
Tamaño:
5.74 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Miniatura
Nombre:
Licencia - Inferencia Estadística.pdf
Tamaño:
682.4 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar

Colecciones

Ciencia