
Análisis estadístico de datos categóricos
By Luis Guillermo Díaz Monroy, Mario Alfonso Morales Rivera, Leidy Rocío León DávilaLength12h 51m
About this audiobook
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 paramétrica 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.
Audiobook details
GenreEducation and Learning
Length12 hrs 51 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateApr 15, 2018
LanguageSpanish
Table of contents
1Página legal
1125.10 Ejercicios
2Dedicación
113Capítulo 6 Métodos para datos de conteo
3Listadefiguras
1146.1 Introducción
4Listadetablas
1156.2 Determinación de la naturaleza aleatoria de un evento
5Introdución
1166.3 Modelo de regresión tipo Poisson
Show all chaptersShow less
6Capítulo 1 Conceptos preliminares
1176.3.1 Modelo de regresión simple
71.1 Introducción
1186.3.2 Modelo de regresión múltiple
81.2 Escala de medida
1196.4 Procesamiento de datos con R
91.2.1 Dicotómicas
1206.5 Ejercicios
101.2.2 Ordinal
121Capítulo 7 Métodos para datos emparejados
111.2.3 Conteos discretos
1227.1 Introducción
121.2.4 Nominal
1237.2 Medidas de concordancia o acuerdo
131.3 Esquema de muestreo
1247.3 Estudios emparejados caso-control
141.4 Modelos de muestreo
1257.4 Regresión logística condicional
151.4.1 Distribución de Poisson
1267.4.1 Regresión logística simple
161.4.2 Distribución binomial
1277.4.2 Regresión logística múltiple
171.4.3 Distribución multinomial
1287.5 Procesamiento de datos con R
181.4.4 Distribución hipergeométrica
1297.6 Ejercicios
191.5 Inferencia sobre una proporción
130Capítulo 8 Análisis de medidas repetidas categóricas
201.5.1 Estimación
1318.1 Introducción
211.5.2 Distribución muestral de una proporción
1328.2 Análisis de medidas repetidas mediante la técnica de Cochran-Mantel-Haenszel
221.5.3 Intervalo de confianza para una proporción
1338.2.1 Respuesta dicotómica
231.5.4 Contraste de hipótesis sobre una proporción
1348.2.2 Respuesta ordinal
241.6 Procesamiento de datos con R
1358.3 Análisis de medidas repetidas mediante mínimos cuadrados ponderados
251.7 Ejercicios
1368.3.1 Distribución multinomial
26Capítulo 2 Tablas de contingencia
1378.3.2 Estimación vía mínimos cuadrados ponderados
272.1 Introducción
1388.3.3 Análisis de medidas repetidas categóricas vía MCP
282.2 Tablas de contingencia
1398.3.4 Análisis de regresión en una población
292.3 Modelos probabilísticos
1408.4 Análisis de medidas repetidas vía modelos lineales generalizados
302.3.1 Modelo de clasificación fija
1418.4.1 Cuasi-verosimilitud
312.3.2 Modelo de homogeneidad
1428.4.2 Ecuaciones de cuasi-verosimilitud
322.3.3 Modelo de independencia
1438.4.3 Métodos de MLG para análisis de medidas repetidas categóricas
332.4 Independencia de la clasificación
1448.5 Metodología de las ecuaciones de estimación generalizadas: 8.5.1 Resumen de la metodología
342.4.1 Prueba ji-cuadrado
1458.6 Procesamiento de datos con R: 8.6.1 Ecuaciones de estimación generalizadas con R
352.4.2 Distribución ji-cuadrado
1468.7 Ejercicios
362.4.3 Contraste mediante la razón de verosimilitudes (G2)
147Capítulo 9 Análisis de correspondencias
372.4.4 Medidas de asociación
1489.1 Introducción
382.4.5 Medidas asociadas a la estadística ji-cuadrado
1499.2 Representación geométrica de una tabla de contingencia: 9.2.1 Perfiles fila y columna
392.4.6 Medidas basadas en la reducción proporcional del error (RPE)
1509.3 Semejanza entre perfiles: la distancia ji-cuadrado
402.4.7 Medidas de asociación ordinales
1519.4 Explicación de la técnica
412.4.8 Otras medidas de asociación
1529.5 Análisis de correspondencias múltiples
422.4.9 Determinación de las fuentes de asociación
1539.5.1 Tablas de datos
432.4.10 Análisis de los residuos
1549.5.2 Fundamentos del análisis de correspondencias múltiples
442.4.11 Partición de tablas
1559.5.3 Propiedades del análisis de correspondencias múltiples
452.4.12 Análisis con el PROC FREQ del paquete estadístico SAS
1569.5.4 Reglas de interpretación
462.5 Tablas de contingencia 2 × 2
1579.6 Procesamiento de datos con R
472.5.1 Prueba ji-cuadrado
1589.6.1 Análisis de correspondencias simple
482.5.2 La corrección por continuidad de Yates
1599.6.2 Análisis de correspondencias múltiples
492.5.3 Prueba de la probabilidad exacta de Fisher
1609.7 Análisis de correspondencias múltiples mediante SAS
502.5.4 Prueba de McNemar para proporciones correlacionadas en tablas 2 × 2
1619.8 Ejercicios
512.5.5 Riesgo relativo
162Capítulo 10 Análisis discriminante
522.5.6 Razón de probabilidades (odds)
16310.1 Introducción
532.5.7 Fracción etiológica
16410.2 Reglas de discriminación para dos grupos: 10.2.1 Vía máxima verosimilitud
542.5.8 Prueba de Cochran-Mantel-Haenszel
16510.3 Reglas de discriminación para varios grupos
552.5.9 Prueba de Cochran-Mantel-Haenszel para tablas f × c
16610.3.1 Grupos con matrices de covarianzas iguales
562.6 Tablas multidimensionales
16710.3.2 Grupos con matrices de covarianzas distintas
572.6.1 Notación para tablas multidimensionales
16810.4 Tasas de error de clasificación: 10.4.1 Estimación de las tasas de error
582.6.2 Pruebas de independencia de las variables en una tabla a tres vías
16910.5 Otras técnicas de discriminación
592.6.3 Paradoja de Simpson
17010.5.1 Modelo de discriminación logística para dos grupos
602.7 Tamaño de muestra
17110.5.2 Modelo de discriminación Probit
612.8 Procesamiento de datos con R
17210.5.3 Discriminación con datos multinomiales
622.9 Ejercicios
17310.5.4 Clasificación mediante la técnica de “el vecino más cercano”
63Capítulo 3 Modelos lineales generalizados
17410.6 Selección de variables
643.1 Definición de un modelo lineal generalizado
17510.7 Procesamiento de datos con R
653.1.1 La familia exponencial
17610.7.1 Cálculos para la sección 6.2
663.1.2 La función de enlace
17710.7.2 Ejemplo sobre discriminación para varios grupos
673.2 Estimación del vector de parámetros β
17810.8 Procedimiento DISCRIM del paquete SAS
683.3 Pruebas de hipótesis
17910.9 Ejercicios
693.3.1 Prueba de la razón de verosimilitudes
180Capítulo 11 Métodos no paramétricos
703.3.2 Estadística de Wald
18111.1 Introducción
713.3.3 Estadística de “score”
18211.2 Pruebas de localización en una muestra
723.4 Diagnóstico en los mlgs: 3.4.1 Residuales
18311.2.1 Prueba del signo
733.5 Procesamiento de datos con R
18411.2.2 Muestras pareadas
743.6 Ejercicios
18511.2.3 Prueba de rango signado de Wilcoxon
75Capítulo 4 Modelos log-lineales
18611.3 Pruebas de localización en dos muestras: 11.3.1 Prueba de Mann-Whitney-Wilcoxon
764.1 Introducción
18711.4 Pruebas de localización en diseños completamente al azar: 11.4.1 Prueba de Kruskal-Wallis
774.2 Modelos log-lineales para tablas de contingencia
18811.5 Pruebas de localización para diseños en bloques aleatorizados completos: 11.5.1 Prueba de Friedman
784.2.1 El modelo log-lineal
18911.6 Procesamiento de datos con R
794.2.2 Modelos jerárquicos
19011.6.1 Prueba del signo
804.2.3 Estimación de modelos log-lineales
19111.6.2 Prueba de rango signado de Wilcoxon
814.2.4 Ajuste de los modelos log-lineales
19211.6.3 Prueba de Mann-Whitney-Wilcoxon
824.2.5 Estadística ji-cuadrado de bondad de ajuste
19311.6.4 Prueba de Kruskal-Wallis
834.2.6 Residuales
19411.6.5 Prueba de Friedman
844.3 Procesamiento de datos con R
19511.7 Ejercicios
854.4 Ejercicios
196Apéndice A Conceptos estadísticos básicos
86Capítulo 5 Regresión logística
197A.1 Introducción
875.1 Introducción
198A.2 Conceptos probabilísticos: A.2.1 Algunas distribuciones de probabilidad
885.2 Modelo de regresión logística
199A.3 Inferencia
895.3 Interpretación de los coeficientes de regresión
200A.3.1 Propiedades de un estimador
905.4 Construcción e interpretación de la función logística
201A.3.2 Estimación puntual y por intervalo
915.5 Variables dummy
202A.3.3 Contraste de hipótesis
925.6 Ajuste del modelo
203A.4 Matriz de información de Fisher
935.6.1 Contraste de hipótesis sobre los parámetros
204A.5 Método de Newton-Raphson
945.6.2 Selección de modelos
205A.6 Procesamiento de datos con R
955.6.3 Bondad de ajuste
206A.7 Procesamiento de datos con SAS
965.7 Regresión logística con respuesta politómica
207Apéndice B Procedimientos básicos con R
975.7.1 Regresión logística nominal
208B.1 Cálculo de probabilidades y cuantiles
985.7.2 Regresión logística ordinal
209B.1.1 Distribución binomial
995.8 Algunas aplicaciones de la regresión logística
210B.1.2 Distribución de Poisson
1005.8.1 Descripción
211B.1.3 Distribuciones normal y ji-cuadrado
1015.8.2 Comparación de curvas
212B.2 Lectura de datos externos
1025.8.3 Índice de deserción
213B.2.1 El directorio de trabajo
1035.8.4 Estudios prospectivos
214B.2.2 Lectura de datos desde un archivo de texto
1045.8.5 Estudios de cohorte
215B.2.3 Lectura de datos desde un archivo CSV
1055.8.6 Ensayos clínicos
216B.2.4 Lectura de datos desde un archivo de Excel
1065.8.7 Estudios caso-control
217B.3 Selección y transformación de datos
1075.8.8 Razón de odds y riesgos relativos
218B.3.1 Creación de nuevas variables
1085.9 Procesamiento de datos con R
219B.3.2 Selección de subconjuntos de un marco de datos
1095.9.1 Cálculos para la sección 5.4
220B.3.3 Cálculos por niveles de un factor
1105.9.2 Cálculos para la sección 5.6
221Apéndice C Tablas
1115.9.3 Cálculos para la sección 5.7
222Índice temático