Probabilidad y estadística / (Registro nro. 12653)
[ vista simple ]
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 |
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 |