
Modelos Estadísticos lineales con aplicaciones en R
By Cristian Fernando Tellez, Maria Alfonso MoralesLength12h 40m
About this audiobook
Este libro implementa rápidamente en el lector el pensamiento estadístico en términos de la modelación estocástica. Los autores plasman los principales resultados de la teoría clásica de una forma estructurada, clara y precisa.
Desde sus primeras páginas, este texto muestra rigurosamente el desarrollo de deducciones primordiales y con algunos ejemplos léxicos gráficos se ilustran las propiedades numéricas de forma exhaustiva.
Dentro de cada capítulo, el lector podrá encontrar ejemplos empíricos y simulaciones basadas en el software computacional R. Sin embargo, la claridad de los contenidos expuestos hace que la programación de rutinas computacionales permanentes sea muy expedita de realizar con otros paquetes diferentes a R.
Audiobook details
GenreEducation and Learning
Length12 hrs 40 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateJan 1, 2016
LanguageSpanish
Table of contents
1Variedad de gráficos
21 Modelos de regresi(cid:19)on
32 Diagn(cid:19)ostico en regresi(cid:19)on
43 Introducci(cid:19)on a los modelos de clasi(cid:12)caci(cid:19)on
54 Modelos de rango incompleto
Show all chaptersShow less
65 Dos modelos elementales
76 Modelos Lineales Generalizados 6.1 De(cid:12)nici(cid:19)on de un modelo lineal
8(cid:19)Indice de (cid:12)guras
91.1 Modelos estad(cid:19)(cid:16)sticos lineales
10(cid:12)jXj
111.2 Modelo de regresi(cid:19)on lineal simple
12∑ n
131 n
141.3 Modelo de regresi(cid:19)on lineal m(cid:19)ultiple
15Y = X(cid:12) + ϵ con E(Y ) = X(cid:12)
161.3.1 M(cid:19)etodos de estimaci(cid:19)on
17[ Yi (cid:0) E(Yi)
18[ ∑ Yi∑ XiYi
19Por (cid:19)ultimo se tiene
205 y X′Y =
21Estimaci(cid:19)on por m(cid:19)(cid:16)nimos cuadrados generalizados
22Var(f) = E
231.3.3 Estimador para (cid:27), la varianza de los errores
241.4 Partici(cid:19)on de la suma de cuadrados total
251.5 Coe(cid:12)ciente de determinaci(cid:19)on
26SCE SCTm
271.6 Propiedades distribucionales
28SCR (cid:27)2
29Prueba basada en F(Rm)
301.8 Prueba sobre un subconjunto de (cid:12)
311.10 Estimaci(cid:19)on por intervalo para (cid:12)i
32Ejemplo 1.9. Como una continuaci(cid:19)on del ejemplo 1.5, recordemos que
331.11 Hip(cid:19)otesis lineal general
34Tomando
35W = Y (cid:0) XK(K′K)(cid:0)1m
36Se rechaza H0 en favor de H1 si
37Fuente Modelo (cpm) Error Total (cpm)
381.12 C(cid:19)alculos con R
39Ingreso Seguro Ingreso Seguro
40Y ′Y (cid:0) (SCE + Q) = SCR (cid:0) Q
412.1 Introducci(cid:19)on
422.2 Veri(cid:12)caci(cid:19)on de los supuestos sobre error
432.2.2 Datos extremos
44No. de
452.2.3 Supuesto de varianza constante
461 C
47X constituir(cid:19)(cid:16)a un grupo.
485 aproximada-
49SCE2 SCE1
50∑ n