Más sobre el libro de Estadística
Aquí el contenido de cada uno de los capítulos y anexos:
Capítulo 1: Tratamiento Estadístico de Datos
1.1.- Introducción
1.2.- Datos e Información
1.3.- Algo más Formal sobre Muestras
1.4.- Tabulación de Datos
1.5.- Gráficos de Frecuencias
1.6.- Cuantiles de una Muestra
1.7.- Algoritmos para el Cálculo de Cuantiles
1.8.- Medidas de Tendencia Central y Dispersión
1.9.- Más sobre Dispersión
1.10.- Trabajo con dos o más Variables
1.11.- Estadística Descriptiva Multivariada
1.12.- Observación de Procesos en el Tiempo
1.13.- Datos Cualitativos
Capítulo 2: Métodos de Enumeración, Función de Probabilidades y Eventos
2.1.- Introducción
2.2.- Experimento Estadístico y Espacio Muestral
2.3.- Funciones que se Evalúan en Conjuntos
2.4.- Métodos de Enumeración
2.5.- Probabilidad Condicional
2.6.- Independencia Estocástica de Eventos
2.7.- Regla de la Probabilidad Total y Teorema de Bayes
2.8.- Apuestas y Probabilidades
Capítulo 3: Modelos Estocásticos: Variables Aleatorias Discretas
3.1.- Introducción
3.2.- La Definición de Variable Aleatoria
3.3.- La Distribución de Probabilidades de una Variable Aleatoria Discreta
3.4.- Valores Esperados de una Variable Aleatoria
3.5.- Medidas de Forma: Asimetría y Apuntamiento
3.6.- Función Generadora de Momentos
3.7.- Estandarización de Variables Aleatorias
3.8.- Variables Aleatorias más Usuales
3.9.- Cálculo Recursivo y Aproximación de la Distribución Binomial
3.10.- Otras Presentaciones de Variables Aleatorias Discretas
3.11.- Utilización de la Distribución Hipergeométrica en Planes de Muestreo de Aceptación
Capítulo 4: Modelos Estocásticos: Variables Aleatorias Continuas
4.1.- Introducción
4.2.- Modelos Aleatorios Continuos: Generalidades
4.3.- Asignación de Probabilidades a través de Variables Aleatorias Continuas
4.4.- Eventos en Espacios Muestrales Continuos
4.5.- Valores Esperados de una Variable Aleatoria Continua
4.6.- Cuantiles de una Variable Aleatoria Continua
4.7.- Una Distribución Excepcional
4.8.- Acerca del Modelo Exponencial: un Tratamiento poco Formal
4.9.- Modelos de Variables Aleatorias Continuas
4.10.- Relación entre la Normal Estándar y la Distribución Ji–Cuadrado
4.11.- Funciones de Confiabilidad y Riesgo
4.12.- Los Modelos F de Fisher y T de Student
4.13.- Otros Modelos Estocásticos
4.14.- Desigualdades de Markov y Chebyshev
4.15.- Aproximación de la Binomial y de la Poisson por la Normal
4.16.- Distribuciones Mixtas
4.17.- Distribuciones Truncadas
Capítulo 5: Vectores Aleatorios
5.1.- Introducción
5.2.- El tratamiento simultáneo de dos o más características de una misma Población Objetivo
5.3.- Vectores Aleatorios Bidimensionales
5.4.- Valores Esperados de Vectores Aleatorios
5.5.- Covarianza y Correlación entre Variables
5.6.- La Función Generadora de Momentos de un Vector Aleatorio p–Variado
5.7.- Independencia Estocástica de Variables Aleatorias
5.8.- Funciones de Variables Aleatorias
5.9.- El Vector Normal p–Variado
5.10.- El Vector Normal Bivariado
5.11.- Distribuciones Condicionales
5.12.- Distribuciones Condicionales para Vectores p–Variados
5.13.- Varianza de Combinaciones Lineales de Variables Aleatorias
5.14.- La Distribución Multinomial
5.15.- La Distribución Hipergeométrica Multivariada
Capítulo 6: Convergencia de Variables Aleatorias y Estimación de Punto
6.1.- Introducción
6.2.- Poblaciones y Muestras Aleatorias
6.3.- Distribución Conjunta de una Muestra Aleatoria
6.4.- Estadísticos y Distribuciones Muestrales
6.5.- La Distribución de un Estadístico de Orden
6.6.- Sesgo y Eficiencia de un Estimador Muestral
6.7.- Acerca de la Cota de Rao y Cramér
6.8.- Determinación de Estimadores Puntuales
6.9.- Convergencia en Distribución
6.10.- El Teorema del Límite Central
6.11.- La Ley de los Grandes Números y Consistencia de Estimadores
6.12.- Más sobre la Media Aritmética Muestral y el Teorema del Límite Central
6.13.- Tamaño de la Muestra en Muestreo Aleatorio Simple (MAS)
Capítulo 7: Estimación por Intervalos y Fundamentos de Contrastes de Hipótesis
7.1.- Introducción
7.2.- Presentación de la Estimación por Intervalos de Confianza
7.3.- Procedimientos para Determinar Intervalos de Confianza
7.4.- Fundamentos de Pruebas de Hipótesis
7.5.- Evaluación de Pruebas de Hipótesis: Tipos de Errores
7.6.- La Potencia de una Prueba
7.7.- Más sobre la Prueba φ
7.8.- Posición Post–Experimental: El “Valor p” de una Prueba
7.9.- Pruebas Insesgadas y Pruebas Uniformemente más Potentes
7.10.- El Lema de Neyman Pearson
7.11.- Prueba de la Razón de Verosimilitud
Capítulo 8: Pruebas de Hipótesis relacionadas con una sola Muestra
8.1.- Introducción
8.2.- Más sobre Pruebas de Hipótesis
8.3.- Pruebas de Hipótesis para µ bajo las Condiciones del Teorema del Límite Central
8.4.- Más sobre el “Valor p” de una Prueba
8.5.- El Caso de Muestras Grandes
8.6.- Pruebas de Hipótesis para Poblaciones Normales
8.7.- Contrastes de Hipótesis Relativos a Proporciones
8.8.- Inferencias Relativas a Proporciones para Muestras de Tamaño Grande
8.9.- La Prueba Ji–Cuadrado de Independencia
8.10.- Bondad de Ajuste
8.11.- Gráficos Probabilísticos
Capítulo 9: Inferencias Relacionadas con dos Muestras
9.1.- Introducción
9.2.- Inferencias Relativas a Diferencias de Medias bajo las Condiciones del Teorema del Límite Central
9.3.- Inferencias Relativas a Diferencias de Medias para Poblaciones Normales con Varianza Desconocida
9.4.- Inferencias Relativas a Diferencias de Medias para Poblaciones Normales con Varianzas Desconocidas y Desiguales
9.5.- Inferencias Relacionadas con las Varianzas de Dos Poblaciones Normales
9.6.- Media de la Diferencia para Muestras Correlacionadas: La Prueba T Pareada
9.7.- Inferencias Relativas a Proporciones: Aproximación Normal
Capítulo 10: Regresión Lineal Simple
10.1.- Introducción
10.2.- Una Aproximación al Problema de Predicción
10.3.- Valores Esperados a partir del Modelo de Regresión Lineal Simple (Teorema de Gauss-Markov)
10.4.- Estimación de los Parámetros del Modelo de Regresión Simple: El Criterio de Mínimos Cuadrados
10.5.- Características de los Estimadores de β0, β1, y σ2
10.6.- Estimación de Máxima Verosimilitud
10.7.- La Partición de Sumas Cuadráticas Asociadas con la Variable Explicada
10.8.- Distribución de Probabilidades y Valores Esperados de las Sumas Cuadráticas
10.9.- La Tabla de Análisis de Varianza
10.10.- El Modelo Restringido
10.11.- La Presencia de Valores Aberrantes
10.12.- El Coeficiente de Correlación entre dos Variables Aleatorias
Capítulo 11: Regresión Múltiple y Modelos no Lineales
11.1.- Introducción
11.2.- Más allá del Modelo de Regresión Lineal Simple
11.3.- Matrices en Regresión Lineal
11.4.- Modelos de Regresión Lineal Múltiple
11.5.- Modelos de Regresión Lineal Múltiple de p Términos
11.6.- Estimación de Mínimos Cuadrados en Regresión Múltiple
11.7.- Estimación de Formas Cuadráticas en Regresión
11.8.- Análisis de Varianza en Regresión Múltiple
11.9.- Intervalos de Confianza para Parámetros de Regresión e Intervalos de Predicción para Nuevas Observaciones
11.10.- Regiones de Confianza para Superficies de Regresión
11.11.- Verificación de Supuestos
11.12.- Variables Indicadoras en Regresión
11.13.- Regresión Logística: Un Caso no Lineal
11.14.- Otros Modelos no Lineales
11.15.- Regresión de Datos no Experimentales
11.16.- Correlación Serial y la Prueba de Durbin Watson
11.17.- Regresión de Cresta (Ridge)
11.18.- La Medida de Influencia de Cook
11.19.- Puntos de Alto Apalancamiento
Capítulo 12: Estadística y Calidad
12.1.- Introducción
12.2.- La Nueva Filosofía de la Calidad
12.3.- Monitoreo de un Proceso de Producción Utilizando Cartas de Control
12.4.- Utilización de Tablas para Cartas 
y Cartas R
12.5.- Cartas de Control para Atributos
12.6.- Capacidad de los Procesos de Producción
12.7.- Índices de Capacidad de un Proceso
12.8.- Curvas OC para una Carta de Control
12.9.- Confiabilidad de Sistemas
12.10.- Diseño Robusto de un Producto
12.11.- Intervalos de Confianza para las Medias de los Tratamientos
12.12.- Diferencias significativas entre Medias de los Tratamientos
Anexo I: Tablas de Distribuciones de Variables Aleatorias
Anexo II: Computación Estadística
Anexo III: Números Índices
Anexo IV: Estimación de Parámetros y Error Post-Experimental
Anexo V: Referencias Bibliográficas