Probabilidad y estadística / (Registro nro. 12653)

Detalles MARC
000 -Cabecera
Campo de control de longitud fija 09174nam a2200325 a 4500
003 - Identificador del Número de control
Identificador del número de control AR-sfUTN
008 - Códigos de información de longitud fija-Información general
Códigos de información de longitud fija 170717s2005 sp ||||| |||| 00| 0 spa d
020 ## - ISBN
ISBN 842915034X
040 ## - Fuente de la catalogación
Centro transcriptor AR-sfUTN
041 ## - Código de lengua
Código de lengua del texto spa
080 ## - CDU
Clasificación Decimal Universal 519.2 EV16
Edición de la CDU 2000
100 1# - Punto de acceso principal-Nombre de persona
Nombre personal Evans, Michael J.
245 10 - Mención de título
Título Probabilidad y estadística /
Mención de responsabilidad Michael J. Evans, Jeffrey S. Rosenthal.
260 ## - Publicación, distribución, etc. (pie de imprenta)
Lugar de publicación, distribución, etc. Barcelona :
Nombre del editor, distribuidor, etc. Reverté,
Fecha de publicación, distribución, etc. 2005
300 ## - Descripción física
Extensión 758 p.
336 ## - Tipo de contenido
Fuente rdacontent
Término de tipo de contenido texto
Código de tipo de contenido txt
337 ## - Tipo de medio
Fuente rdamedia
Nombre del tipo de medio sin mediación
Código del tipo de medio n
338 ## - Tipo de soporte
Fuente rdacarrier
Nombre del tipo de soporte volumen
Código del tipo de soporte nc
505 80 - Nota de contenido con formato
Nota de contenido con formato CONTENIDO<br/>Prólogo<br/>1. Modelos de probabilidad<br/>1.1. Probabilidad: Una medida de la incertidumbre<br/>1.1.1. ¿Por qué necesitamos una teoría de la probabilidad?<br/>1.2. Modelos de probabilidad<br/>1.2.1. Diagramas de Venn y subconjuntos<br/>1.3. Propiedades de los modelos de probabilidad<br/>1.4. La probabilidad uniforme en espacios finitos<br/>1.4.1. Principios de combinatoria<br/>1.5. Probabilidad condicional e independencia<br/>1.5.1. Probabilidad condicional<br/>1.5.2. Sucesos independientes<br/>1.6. Continuidad de P<br/>1.7. Demostraciones adicionales (avanzadas)<br/>2. Variables aleatorias y distribuciones<br/>2.1. Variables aleatorias<br/>2.2. Distribuciones de variables aleatorias<br/>2.3. Distribuciones discretas<br/>2.3.1. Principales distribuciones discretas<br/>2.4. Distribuciones continuas<br/>2.4.1. Principales distribuciones totalmente continuas<br/>2.5. Funciones de probabilidad acumulada<br/>2.5.1. Propiedades de las funciones de distribución<br/>2.5.2. Funciones de distribución acumulada de distribuciones discretas<br/>2.5.3. Funciones de distribución acumulada de distribuciones totalmente continuas<br/>2.5.4. Distribuciones mixtas<br/>2.5.5. Distribuciones ni discretas ni continuas<br/>2.6. Cambios de variable unidimensionales<br/>2.6.1. El caso discreto<br/>2.6.2. El caso continuo<br/>2.7. Distribuciones conjuntas<br/>2.7.1. Funciones de distribución conjunta acumulada<br/>2.7.2. Distribuciones marginales<br/>2.7.3. Funciones de probabilidad conjunta<br/>2.7.4. Funciones de densidad conjunta<br/>2.8. Condicionamiento e independencia<br/>2.8.1. Condicionamiento de variables aleatorias discretas<br/>2.8.2. Condicionamiento de variables aleatorias continuas<br/>2.8.3. Independencia de variables aleatorias<br/>2.8.4. Parámetros estadísticos de orden<br/>2.9. Cambios de variable multidimensionales<br/>2.9.1. El caso discreto<br/>2.9.2. El caso continuo (avanzado)<br/>2.9.3. Convolución<br/>2.10. Simulación de distribuciones de probabilidad<br/>2.10.1. Simulación de distribuciones discretas<br/>2.10.2. Simulación de distribuciones continuas<br/>2.11. Demostraciones adicionales (avanzadas)<br/>3. Valores esperados<br/>3.1. El caso discreto<br/>3.2. El caso totalmente continuo<br/>3.3. Varianza, covarianza y correlación<br/>3.4. Funciones generatrices<br/>3.4.1. Funciones características (avanzado)<br/>3.5. Valor esperado condicional<br/>3.5.1. El caso discreto<br/>3.5.2. El caso totalmente continuo<br/>3.5.3. Valor esperado doble<br/>3.5.4. Varianza condicional (avanzado)<br/>3.6. Desigualdades<br/>3.6.1. Desigualdad de Jensen (avanzado)<br/>3.7. Valores esperados generales (avanzado)<br/>3.8. Demostraciones adicionales (avanzado)<br/>4. Distribuciones muestrales y límites<br/>4.1. Distribuciones muestrales<br/>4.2. Convergencia en probabilidad<br/>4.2.1. La ley débil de los grandes números<br/>4.3. Convergencia con probabilidad unidad<br/>4.3.1. La ley fuerte de los grandes números<br/>4.4. Convergencia en distribución<br/>4.4.1. El teorema del límite central<br/>4.4.2. El teorema del límite central y la evaluación del error<br/>4.5. Aproximaciones por Montecarlo<br/>4.6. Teoría de la distribución normal<br/>4.6.1. La distribución de Ji cuadrado<br/>4.6.2. La distribución de t<br/>4.6.3. La distribución de F<br/>4.7. Demostraciones adicionales (avanzado)<br/>5. Inferencia estadística<br/>5.1. ¿Por qué necesitamos la Estadística?<br/>5.2. Inferencia utilizando un modelo de probabilidad<br/>5.3. Modelos estadísticos<br/>5.4. Obtención de datos<br/>5.4.1. Poblaciones finitas<br/>5.4.2. Muestreo aleatorio simple<br/>5.4.3. Histogramas<br/>5.4.4. Inspección por muestreo o encuesta<br/>5.5. Algunas inferencias básicas<br/>5.5.1. Estadística descriptiva<br/>5.5.2. Representación gráfica de los datos<br/>5.5.3. Tipos de inferencia<br/>6. Inferencia basada en la verosimilitud<br/>6.1. La función de verosimilitud<br/>6.1.1. Suficiencia de un parámetro estadístico<br/>6.2. Estimación máximo verosímil<br/>6.2.1. El caso multidimensional (avanzado)<br/>6.3. Inferencias basadas en el MLE<br/>6.3.1. Errores estándar y sesgo<br/>6.3.2. Intervalos de confianza<br/>6.3.3. Pruebas de hipótesis y valores P<br/>6.3.4. Determinación del tamaño de muestra: Intervalos de confianza<br/>6.3.5. Determinación del tamaño de muestra: Potencia de una prueba<br/>6.4. Métodos de distribución libre<br/>6.4.1. Método de los momentos<br/>6.4.2. Técnica de bootstrap ("bootstrapping")<br/>6.4.3. La prueba del signo e inferencias sobre cuarteles<br/>6.5. Comportamiento de los MLE con grandes muestras (avanzado)<br/>7. Inferencia Bayesiana<br/>7.1. Distribución previa (a priori) y posterior (a posteriori)<br/>7.2. Inferencias basadas en la distribución posterior<br/>7.2.1. Estimación<br/>7.2.2. Intervalos plausibles<br/>7.2.3. Pruebas de hipótesis y factores de Bayes<br/>7.2.4. Predicción<br/>7.3. Cálculos bayesianos<br/>7.3.1. Normalidad asintótica de la distribución posterior<br/>7.3.2. Muestreo de la distribución posterior<br/>7.3.3. Muestreo de la distribución posterior utilizando el muestreo de Gibbs (avanzado)<br/>7.4. Selección de la distribución previa<br/>7.5. Demostraciones adicionales (avanzado)<br/>8. Inferencias óptimas<br/>8.1. Estimación óptima insesgada<br/>8.1.1. Desigualdad de Cramer-Rao (avanzado)<br/>8.2. Pruebas de hipótesis óptimas<br/>8.2.1. Pruebas de relación de verosimilitudes (avanzado)<br/>8.3. Inferencias bayesianas óptimas<br/>8.4. Teoría de la decisión (avanzado)<br/>8.5. Demostraciones adicionales (avanzado)<br/>9. Verificación de modelos<br/>9.1. Verificación del modelo muestral<br/>9.1.1. Gráficos de residuales y de probabilidad<br/>9.1.2. Prueba de Ji cuadrado para la bondad de un ajuste<br/>9.1.3. Predicción y validación cruzada<br/>9.1.4. ¿Qué hacer cuando el modelo falla?<br/>9.2. Verificación del modelo bayesiano<br/>9.3. El problema de verificaciones múltiples<br/>10. Relaciones entre variables<br/>10.1. Variables relacionadas<br/>10.1.1. Relaciones causa-efecto y experimentación<br/>10.1.2. Diseño de experimentos<br/>10.2. Variables respuesta y predictoras categóricas<br/>10.2.1. Variable predictora aleatoria<br/>10.2.2. Variable predictora determinista<br/>10.2.3. Formulación bayesiana<br/>10.3. Variables respuesta y predictoras cuantitativas<br/>10.3.1. El método de mínimos cuadrados<br/>10.3.2. El modelo de regresión lineal simple<br/>10.3.3. Modelo bayesiano de regresión lineal simple (avanzado)<br/>10.3.4. Modelo de regresión lineal múltiple (avanzado)<br/>10.4. Respuesta cuantitativa y variables predictoras categóricas<br/>10.4.1. Una variable predictora categórica (ANOVA de un factor)<br/>10.4.2. Medidas repetidas (comparaciones apareadas)<br/>10.4.3. Dos variables predictoras categóricas (ANOVA de dos factores)<br/>10.4.4. Bloques aleatorizados<br/>10.4.5. Una variable predictora categórica y una cuantitativa<br/>10.5. Respuesta categórica y variables predictoras cuantitativas<br/>10.6. Otras pruebas (avanzado)<br/>11. Procesos estocásticos (Tema avanzado)<br/>11.1. Paseo aleatorio simple<br/>11.1.1. La distribución de la fortuna<br/>11.1.2. El problema de la ruina del jugador<br/>11.2. Cadenas de Markov<br/>11.2.1. Ejemplos de cadenas de Markov<br/>11.2.2. Cálculos con cadenas de Markov<br/>11.2.3. Distribuciones estacionarias<br/>11.2.4. Teorema del límite de una cadena de Markov<br/>11.3. Cadenas de Markov y método de Montecarlo<br/>11.3.1. Algoritmo Metropolis-Hastings<br/>11.3.2. El muestreador de Gibas<br/>11.4. Martingalas<br/>11.4.1. Definición de una martingala<br/>11.4.2. Valores esperados<br/>11.4.3. Tiempo de paro<br/>11.5. Movimiento browniano<br/>11.5.1. Paseos aleatorios cada vez más rápidos<br/>11.5.2. El movimiento browniano como un límite<br/>11.5.3. Procesos de difusión y precios de los stocks<br/>11.6. Procesos de Poisson<br/>11.7. Demostraciones<br/>Apéndices<br/>A. Fundamentos matemáticos<br/>A.1. Derivadas<br/>A.2. Integrales<br/>A.3. Series infinitas<br/>A.4. Producto matricial<br/>A.5. Derivadas parciales<br/>A.6. Integrales múltiples<br/>A.6.1. Regiones no rectangulares<br/>B. Cálculos con ordenador<br/>C. Distribuciones más frecuentes<br/>C.1. Distribuciones discretas<br/>C.2. Distribuciones totalmente continuas<br/>D. Tablas<br/>D.1. Números aleatorios<br/>D.2. Función de distribución acumulada (fda) Normal Estándar<br/>D.3. Percentiles de la distribución de Ji cuadrado<br/>D.4. Percentiles de la distribución t<br/>D.5. Percentiles de la distribución F<br/>D.6. Probabilidades de la distribución binomial
650 ## - Punto de acceso adicional de materia - Término de materia
Término de materia PROBABILIDAD
650 ## - Punto de acceso adicional de materia - Término de materia
Término de materia ESTADISTICA
650 ## - Punto de acceso adicional de materia - Término de materia
Término de materia MODELOS DE PROBABILIDAD
650 ## - Punto de acceso adicional de materia - Término de materia
Término de materia INFERENCIA ESTADISTICA
650 ## - Punto de acceso adicional de materia - Término de materia
Término de materia INFERENCIA BAYESIANA
650 ## - Punto de acceso adicional de materia - Término de materia
Término de materia PROCESOS ESTOCASTICOS
700 1# - Punto de acceso adicional - Nombre de persona
Nombre personal Rosenthal, Jeffrey S.
942 ## - ADDED ENTRY ELEMENTS (KOHA)
Tipo de ítem Koha Libro
Esquema de clasificación Clasificación Decinal Universal
Existencias
Estado Estado perdido Estado de conservación Tipo de préstamo Biblioteca Biblioteca Fecha de adquisición Número de inventario Total Checkouts ST completa de Koha Código de barras Date last seen Precio efectivo a partir de Tipo de ítem Koha Date last checked out
      Sólo Consulta Facultad Regional Santa Fe - Biblioteca "Rector Comodoro Ing. Jorge Omar Conca" Facultad Regional Santa Fe - Biblioteca "Rector Comodoro Ing. Jorge Omar Conca" 02/02/2018 9687   519.2 EV16 9687 02/02/2018 02/02/2018 Libro  
        Facultad Regional Santa Fe - Biblioteca "Rector Comodoro Ing. Jorge Omar Conca" Facultad Regional Santa Fe - Biblioteca "Rector Comodoro Ing. Jorge Omar Conca" 02/02/2018 9688 4 519.2 EV16 9688 15/08/2019 02/02/2018 Libro 22/07/2019
        Facultad Regional Santa Fe - Biblioteca "Rector Comodoro Ing. Jorge Omar Conca" Facultad Regional Santa Fe - Biblioteca "Rector Comodoro Ing. Jorge Omar Conca" 02/02/2018 9689 6 519.2 EV16 9689 15/09/2022 02/02/2018 Libro 05/07/2022