Análisis estadístico de datos categóricos

Más vistas

Análisis estadístico de datos categóricos

Libro Impreso

60000

Disponibilidad: Disponible


Categoría: Estadística

Editorial: Universidad Nacional de Colombia

Universidad Nacional de Colombia

Año de Edición: 2018

2018

ISBN: 9789587834376

9789587834376

Sede: Bogotá


El libro recorre el tema del análisis estadístico de datos categóricos, necesario para que los profesionales de las áreas biológicas, agrícolas, de salud y afines adquieran los conocimientos y herramientas necesarios para un apropiado análisis de datos. En los primeros capítulos se exponen y...
Más Información
COP $ 60.000
O BIEN

SKU: 326844

Producto creado el 10/07/2018

description~Descripción~pv

Detalles

El libro recorre el tema del análisis estadístico de datos categóricos, necesario para que los profesionales de las áreas biológicas, agrícolas, de salud y afines adquieran los conocimientos y herramientas necesarios para un apropiado análisis de datos. En los primeros capítulos se exponen y afianzan conceptos básicos orientados a la comprensión de las herramientas de análisis de datos expuestas en los capítulos posteriores. Se introducen conceptos de estadística no para métrica como alternativa de análisis, ya que, en la mayoría de los casos, los datos categóricos provenientes de los estudios biológicos no satisfacen los supuestos estadísticos estándar. Se hace especial énfasis en la implementación de los análisis haciendo uso del software libre R. 
additional~Información adicional~pv

Información adicional

Editor / MarcaUniversidad Nacional de Colombia
CiudadBogotá
FacultadCiencias
Año de Edición2018
Número de Páginas440
Idioma(s)Español
TerminadoTapa rustica
Alto y ancho18 x 25 cm
Peso0.7200
Tipo Productolibro
custom_attributes_author~Autor~pv

Luis Guillermo Díaz Monroy, Mario Alfonso Morales Rivera y Leidy Rocío Dávila

información no disponible.

custom_attributes_toc~Tabla de Contenido~pv

Contenido 

Introdución

Capítulo 1

Conceptos preliminares 

1.1 Introducción

1.2 Escala de medida

1.2.1 Dicotómicas

1.2.2 Ordinal

1.2.3 Conteos discretos

1.2.4 Nominal

1.3 Esquema de muestreo

1.4 Modelos de muestreo

1.4.1 Distribución de Poisson 

1.4.2 Distribución binomial

1.4.3 Distribución multinomial

1.4.4 Distribución hipergeométrica

1.5 Inferencia sobre una proporción 

1.5.1 Estimación

1.5.2 Distribución muestral de una proporción

1.5.3 Intervalo de confianza para una proporción

1.5.4 Contraste de hipótesis sobre una proporción

1.6 Procesamiento de datos con R

1.7 Ejercicios 

Capítulo 2 

Tablas de contingencia 

2.1 Introducción

2.2 Tablas de contingencia

2.3 Modelos probabilísticos

2.3.1 Modelo de clasificación fija

2.3.2 Modelo de homogeneidad

2.3.3 Modelo de independencia

2.4 Independencia de la clasificación

2.4.1 Prueba ji-cuadrado

2.4.2 Distribución ji-cuadrado

2.4.3 Contraste mediante la razón de verosimilitudes (G2)

2.4.4 Medidas de asociación

2.4.5 Medidas asociadas a la estadística ji-cuadrado 

2.4.6 Medidas basadas en la reducción proporcional del error (RPE)

2.4.7 Medidas de asociación ordinales

2.4.8 Otras medidas de asociación

2.4.9 Determinación de las fuentes de asociación

2.4.10 Análisis de los residuos

2.4.11 Partición de tablas

2.4.12 Análisis con el PROC FREQ del paquete estadístico SAS

2.5 Tablas de contingencia 2 x 2

2.5.1 Prueba ji-cuadrado

2.5.2 La corrección por continuidad de Yates

2.5.3 Prueba de la probabilidad exacta de Físher

2.5.4 Prueba de McNemar para proporciones correlacionadas en tablas 2 x 2

2.5.5 Riesgo relativo

2.5.6 Razón de probabilidades (odds)

2.5.7 Fracción etiológica

2.5.8 Prueba de Cochran-Mantel-Haenszel

2.5.9 Prueba de Cochran-Mantel-Haenszel para tablas f x c

2.6 Tablas multidimensionales

2.6.1 Notación para tablas multidimensionales

2.6.2 Pruebas de independencia de las variables en una tabla a tres vías

2.6.3 Paradoja de Simpson

2.7 Tamaño de muestra

2.8 Procesamiento de datos con R

2.9 Ejercicios 

Capítulo 3 

Modelos lineales generalizados
 
3.1 Definición de un modelo lineal generalizado

3.1.1 La familia exponencial

3.1.2 La función de enlace

3.2 Estimación del vector de parámetros β
 
3.3 Pruebas de hipótesis 

3.3.1 Prueba de la razón de verosimilitudes 

3.3.2 Estadística de Wald 

3.3.3 Estadística de "score" 

3.4 Diagnóstico en los mlgs 

3.4.1 Residuales 

3.5 Procesamiento de datos con R

3.6 Ejercicios 

Capítulo 4

Modelos log-lineales

4.1 Introducción

4.2 Modelos log-lineales para tablas de contingencia 

4.2.1 El modelo log-lineal

4.2.2 Modelos jerárquicos

4.2.3 Estimación de modeloslog-lineales

4.2.4 Ajuste de los modelos log-lineales

4.2.5 Estadística ji-cuadrado de bondad de ajuste

4.2.6 Residuales

4.3 Procesamiento de datos con R

4.4 Ejercicios

Capítulo 5 

Regresión logística 

5.1 Introducción

5.2 Modelo de regresión logística

5.3 Interpretación de los coeficientes de regresión

5.4 Construcción e interpretación de la función logística

5.5 Variables dummy

5.6 Ajuste del modelo

5.6.1 Contraste de hipótesis sobre los parámetros

5.6.2 Selección de modelos

5.6.3 Bondad de ajuste

5.7 Regresión logística con respuesta politómica

5.7.1 Regresión logística nominal

5.7.2 Regresión logística ordinal

5.8 Algunas aplicaciones de la regresión logística

5.8.1 Descripción

5.8.2 Comparación de curvas

5.8.3 Indice de deserción

5.8.4 Estudios prospectivos

5.8.5 Estudios de cohorte

5.8.6 Ensayos clínicos

5.8.7 Estudios caso-control

5.8.8 Razón de odds y riesgos relativos

5.9 Procesamiento de datos con R

5.9.1 Cálculos para la sección 5.4

5.9.2 Cálculos para la sección 5.6

5.9.3 Cálculos para la sección 5.7

5.10 Ejercicios

Capítulo 6

Métodos para datos de conteo

6.1 Introducción

6.2 Determinación de la naturaleza aleatoria de un evento

6.3 Modelo de regresión tipo Poisson

6.3.1 Modelo de regresión simple

6.3.2 Modelo de regresión múltiple

6.4 Procesamiento de datos con R

6.5 Ejercicios 
 
Capítulo 7 

Métodos para datos emparejados

7.1 Introducción

7.2 Medidas de concordancia o acuerdo

7.3 Estudios emparejados caso-control

7.4 Regresión logística condicional

7.4.1 Regresión logística simple

7.4.2 Regresión logística múltiple

7.5 Procesamiento de datos con R

7.6 Ejercicios
 
Capítulo 8 

Análisis de medidas repetidas categóricas

8.1 Introducción

8.2 Análisis de medidas repetidas mediante la técnica de Cochran-Mantel-Haenszel

8.2.1 Respuesta dicotómica

8.2.2 Respuesta ordinal
 
8.3 Análisis de medidas repetidas mediante mínimos cuadrados ponderados
 
8.3.1 Distribución multinomial

8.3.2 Estimación vía mínimos cuadrados ponderados

8.3.3 Análisis de medidas repetidas categóricas vía MCP

8.3.4 Análisis de regresión en una población

8.4 Análisis de medidas repetidas via modelos lineales generalizados

8.4.1 Cuasi-verosimilitud

8.4.2 Ecuaciones de cuasi-verosimilitud

8.4.3 Métodos de MLG para análisis de medidas repetidas categóricas

8.5 Metodología de las ecuaciones de estimación generalizadas

8.5.1 Resumen de la metodología

8.6 Procesamiento de datos con R 

8.6.1 Ecuaciones de estimación generalizadas con R

8.7 Ejercicios
 
Capítulo 9 

Análisis de correspondencias

9.1 Introducción

9.2 Representación geométrica de una tabla de contingencia

9.2.1 Perfiles fila y columna

9.3 Semejanza entre perfiles: la distancia ji-cuadrado

9.4 Explicación de la técnica

9.5 Análisis de correspondencias múltiples

9.5.1 Tablas de datos

9.5.2 Fundamentos del análisis de correspondencias múltiples

9.5.3 Propiedades del análisis de correspondencias múltiples

9.5.4 Reglas de interpretación

9.6 Procesamiento de datos con R

9.6.1 Análisis de correspondencias simple

9.6.2 Análisis de correspondencias múltiples

9.7 Análisis de correspondencias múltiples mediante SAS

9.8 Ejercicios 

Capítulo 10 

Análisis discriminante 

10.1 Introducción

10.2 Reglas de discriminación para dos grupos

10.2.1 Vía máxima verosimilitud

10.3 Reglas de discriminación para varios grupos

10.3.1 Grupos con matrices de covarianzas iguales

10.3.2 Grupos con matrices de covarianzas distintas

10.4 Tasas de error de clasificación

10.4.1 Estimación de las tasas de error

10.5 Otras técnicas de discriminación

10.5.1 Modelo de discriminación logística para dos grupos

10.5.2 Modelo de discriminación Probit

10.5.3 Discriminación con datos multinomiales

10.5.4 Clasificación mediante la técnica de "el vecino más cercano"

10.6 Selección de variables

10.7 Procesamiento de datos con R

10.7.1 Cálculos para la sección 6.2

10.7.2 Ejemplo sobre discriminación para varios grupos

10.8 Procedimiento DISCRIM del paquete SAS 

10.9 Ejercicios Capítulo 11

Métodos no paramétricos

11.1 Introducción

11.2 Pruebas de localización en una muestra

11.2.1 Prueba del signo

11.2.2 Muestras pareadas

11.2.3 Prueba de rango signado de Wilcoxon

11.3 Pruebas de localización en dos muestras

11.3.1 Prueba de Mann-Whitney-Wilcoxon

11.4 Pruebas de localización en diseños completamente al azar

11.4.1 Prueba de Kruskal-Wailis

11.5 Pruebas de localización para diseños en bloques aleatorizados completos

11.5.1 Prueba de Friedman

11.6 Procesamiento de datos con R

11.6.1 Prueba del signo

11.6.2 Prueba de rango signado de Wilcoxon 

11.6.3 Prueba de Mann-Whitney-Wilcoxon

11.6.4 Prueba de Kruskal-Wallis

11.6.5 Prueba de Friedman

11.7 Ejercicios

Apéndice A 

Conceptos estadísticos básicos

A.1 Introducción

A.2 Conceptos probabilísticos 

A.2.1 Algunas distribuciones de probabilidad

A.3 Inferencia

A.3.1 Propiedades de un estimador

A.3.2 Estimación puntual y por intervalo

A.3.3 Contraste de hipótesis

A.4 Matriz de información de Fisher

A.5 Método de Newton-Raphson

A.6 Procesamiento de datos con R

A.7 Procesamiento de datos con SAS 

Apéndice B 

Procedimientos básicos con R

B.1 Cálculo de probabilidades y cuantiles

B.1.1 Distribución binomial

B.1.2 Distribución de Poisson 
 


reviews~Reseñas~pv