Libros de estadística y probabilidad, página 8 de 49

Las Redes Neuronales Artificiales (RNA) constituyen una de las técnicas que intentan reproducir las características del cerebro. A diferencia de otras técnicas, que consideran el cerebro como una caja negra, las RNA intentan modelar su estructura fisiologica basica: la neurona, asi como la agrupacion de neuronas en sistemas que puedan mostrar un comportamiento que se pueda considerar, en alguna medida, inteligente. Al igual que los sistemas biologicos, los modelos artificiales consiguen resolver problemas en base al conocimiento adquirido mediante informacion que reciben de su entrono. Las RNA aprenden a resolver problemas a partir de una serie de ejemplos que representan el tipo de problema a resolver. Se describiran las tecnicas basicas que utilizan las Redes Neuronales Artificiales para aprender a resolver problemas. Como el objetivo de este texto es presentar las Redes Neuronales Artificiales y su relacion con la Estadistica a un lector no versado en el tema, se ha intentado en la medida de lo posible evitar la aparicion de expresiones matematicas. Se han seleccionado siempre ejemplos muy sencillos y faciles de entender, evitando las expresiones matematicas mas complejas. Estos sencillos ejemplos pueden ayudar al lector a entender el modo de operacion de las Redes Neuronales Artificiales.

Regresión Logística es una monograma que contiene los elementos básicos de las técnicas estadístico-inferenciales más empleadas en la producción científica contemporánea. Por su conducto se ofrece un panorama general sobre algunas de las diversas posibilidades que ofrece este metodo estadistico, los fundamentos en que reposa y las tecnicas asociadas a su uso practico. Los procedimientos se ubican en el contexto de la investigacion cientifica sobre la cual se hacen diversos apuntes originales y se ilustran predominantemente usando ejemplos y problemas relacionados con la salud publica y la epidemiologia debido a la importancia de tales aplicaciones, aunque teniendo en cuenta que la mayoria de las ideas desarrolladas en este contexto son facilmente extensibles a otras areas tales como las ciencias sociales, la psicologia, la educacion, etc. El material esta estructurado en seis capitulos que van desde un repaso de las areas que resultan esenciales para conseguir una compresion aceptable de los fundamentos y los metodos involucrados en el uso correcto de esta tecnica hasta aspectos relativamente avanzados relacionados con el metodo, pasando por virtualmente todas sus aplicaciones practicas.

En esta monografía se intenta llevar al lector desde la definición de probabilidad hasta la estimación bayesiana de parámetros, comentando las diferencias, así como los inconvenientes y ventajas, entre el enfoque clasico y el bayesiano. Esta dirigida a lectores con un conocimiento de Matematicas y de Estadistica, al menos, de nivel de bachillerato, por lo que es asequible para cualquier estudiante de primer curso de todas las carreras donde se imparta una asignatura de Estadistica. En los dos primeros capitulos se expone la aplicacion general del enfoque bayesiano en el analisis de datos, empezando por las distintas definiciones de probabilidad y sus propiedades, siguiendo con los conceptos de distribucion a priori, distribucion a posteriori y funcion de verosimilitud, y terminando con la expresion general en la inferencia bayesiana. Cada concepto se ilustra con ejemplos numericos. En los siguientes capitulos se estudia la inferencia bayesiana para los casos particulares de la proporcion, la media y la varianza de una poblacion discutiendose la eleccion de la distribucion a priori en cada caso. Los resultados se acompañan de ejemplos y graficas. Las distribuciones que se necesitan y sus propiedades se incluyen en apendices, donde se desarrollan paso a paso las operaciones necesarias para obtener los resultados, con la intencion de que el lector interesado pueda seguirlos. Los ejemplos estan resueltos en una hoja de calculo, en los casos mas complejos se dan las expresiones matematicas necesarias en cada casilla de la hoja de calculo para obtener el resultado, facilitando al lector la aplicacion de los resultados a sus datos. En el ultimo capitulo se exponen las diferencias entre el enfoque bayesiano y el clasico, asi como la regla de Jeffreys para la eleccion de la distribucion a priori.

La presente monografía trata sobre la metodología de simulación estadística. Está dirigida a profesionales e investigadores de las ciencias sociales con una orientación metodológica. Se estructura en tres partes principales. Los primeros capitulos presentan una introduccion a la simulacion y describen varios ejemplos, extraidos de la psicologia y otras disciplinas afines, con el objetivo de mostrar la utilidad de estas tecnicas y motivar su estudio. La segunda parte trata sobre la realizacion de la simulacion: diseño, algoritmos de muestreo para las distribuciones mas conocidas y evaluacion de los algoritmos. En la tercera parte se presentan metodos mas avanzados de simulacion, que actualmente son objeto de investigacion, como la simulacion con cadenas de Markov. Tambien se describe en la tercera parte el analisis de resultados. Por ultimo, se ha incluido un capitulo sobre aplicaciones informaticas para realizar simulaciones: lenguaje C, Mathematica y SPSS. Javier Revuelta y Vicente Ponsoda son profesores del departamento de psicologia social y metodologia de la Universidad Autonoma de Madrid. Ambos desarrollan investigacion e imparten docencia sobre psicometria y metodos estadisticos aplicados en psicologia.

La monografía que ahora presentamos bajo el título: “Aplicaciones diversas del Análisis de Varianza: Diseños complejos, alternativas no paramétricas y similitud con otras técnicas de análisis de dato

El análisis logarítmico lineal es una técnica estadística multivariada que se aplica a variables nominales o categoriales. A partir de una tabla de contingencia multidimensional, que expresa las frecuencias obtenidas para todas las posibles combinaciones de categorias de las variables, los datos pueden ser sintetizados mediante un modelo logaritmico lineal que incluya los parametros (de efectos principales o de interaccion) que resulten significativos. Esta tecnica supone un avance frente a las clasicas medidas de asociacion bivariadas, como chi-cuadrado, ya que permite la consideracion simultanea de mas de dos variables. En la obra se explican las dos variantes basicas del analisis: el log-lineal (donde todas las variables se consideran interdependientes) y el logit-lineal (donde se diferencia entre variables dependientes e independientes). Con varios ejemplos, y el auxilio de los programas SPSS y BMDP, se detallan todas las fases del analisis y el significado de los indices obtenidos.

El texto Análisis de Supervivencia pretende ofrecer de manera asequible para una persona que no es especialista en Estadística una introducción a dicho análisis de datos. Será necesario estar familiarizado con las tecnicas mas basicas de la estadistica, al menos a un nivel elemental. Asi se comienza con una descripcion de la filosofia que subyace en el Analisis de Supervivencia, asi como de la descripcion del tipo de datos que trata y los conceptos basicos. En un segundo momento se pasa a analizar con detenimiento la estructuracion de los datos en tablas de vida, asi como el calculo de las funciones de supervivencia, dando un repaso a las distribuciones de probabilidad de uso mas frecuente en este tipo de Analisis. Los conceptos y las tecnicas presentados se refuerzan con ejemplos, muchos de ellos reales, tratados con el paquete estadistico SPSS, aunque se ha procurado mantener la estructura general comun a cualquiera de los paquetes estadisticos existentes.

Este libro tiene como propósito iniciar al lector en los métodos que se utilizan para el estudio de una variable en el tiempo, considerándolos como instrumentos válidos en la elaboración de predicciones que nos ayudan a tomar decisiones mas acertadas o con un menor riesgo. El seguimiento de los temas permite que el lector, con pocos conocimientos matematicos o estadisticos, adquiera las herramientas necesarias para adentrarse en los entresijos de los analisis de series temporales, a traves de explicaciones de marcado caracter intuitivo, logrando, de esta forma, disponer de una base o marco de referencia, que le faculten en la profundizacion de tratamientos mas elaborados. Por ello, se han reducido las formalizaciones matematicas y estadisticas a las estrictamente necesarias. El interes recaera, sobre todo, en la comprension de las diferentes tecnicas, en las situaciones o ambitos de aplicacion y en la interpretacion de los resultados.

La modelización clásica de datos temporales parte del carácter discreto de la serie objeto de estudio, es decir, la ocurrencia se produce en instantes de tiempo concretos, a pesar de que el fenómeno estudiado puede en ocasiones evolucionar de forma continua a lo largo del tiempo. Asi, en los ultimos años se estan introduciendo metodologias funcionales para el tratamiento de tales series, respetando su naturaleza en tiempo-continuo. La presente monografia recoge, de forma divulgativa, algunos de los aspectos usuales en el analisis de datos funcionales, incluyendo las aportaciones fundamentales realizadas por los autores sobre el tema. Asi, tras repasar los conceptos teoricos basicos sobre espacios funcionales, se abordan los metodos de modelizacion estocastica basados en el analisis en componentes principales, asi como los algoritmos numericos necesarios para su implementacion, introduciendo seguidamente los modelos PCP para predecir series funcionales. Finalmente, se incluye un capitulo dedicado a aplicaciones con datos reales y simulados.

Dentro de esta colección, el análisis de correspondencias se enmarca entre las técnicas multivariantes de interdependencia, siendo su característica básica la ponderación de la distancia entre los elementos, lo que da origen a la distancia chi-cuadrado. Se aborda el analisis de correspondencias a partir de un ejemplo desarrollado intuitiva y manualmente. La exposicion teorica se realiza bajo un enfoque geometrico. Se explican tambien aspectos relativos a la codificacion difusa de variables cuantitativas agrupadas en intervalos, asi como a las particularidades del analisis de correspondencias con ellas. Los resultados de los ejemplos se obtienen por medio de los paquetes informaticos de analisis de datos SPAD version 3.21 y SPSS version 9.0 ambas para Windows. Dado que el uso de SPAD no esta demasiado generalizado, se dedican unas paginas a su funcionamiento general asi como a las caracteristicas del programa para analisis de correspondencias simples. Tambien se desarrolla lo concerniente a este tipo de analisis en SPSS, puesto que en la version 9.0 se han ampliado considerablemente las opciones disponibles. Se desarrolla con detalle el ejemplo de analisis de correspondencias simples, utilizando el de correspondencias multiples con el fin de explicar aspectos tecnicos. Se realiza tambien una comparacion entre los resultados de los dos paquetes de programas.

En esta monografía se presentan diferentes técnicas y procedimientos para conocer cómo se pueden obtener clasificaciones dentro de un grupo de individuos, utilizando para ello las propiedades que los caracterizan. Para conseguir este objetivo se recurre al uso de diferentes herramientas matemáticas y estadísticas, que permiten determinar las semejanzas entre los individuos a clasificar. Las herramientas matemáticas se basan en el uso de determinadas formas de medir similitudes (o distancias) entre los individuos, y las estadísticas utilizan diferentes métodos de agrupación para obtener las clasificaciones.

Esta monografía tiene como objetivo presentar las metodologías estadísticas para el análisis de tablas de contingencia multidimensionales con el formalismo matemático necesario para poder abordar la resolucion de problemas reales mediante su aplicacion e interpretacion, y partiendo de una formacion estadistica minima. Los conocimientos adquiridos se ponen en practica mediante la solucion de problemas con datos reales con los paquetes estadisticos BMDP y SPSS. Sus objetos de estudio han sido distribuidos en tres capitulos. El primero esta dedicado al analisis de la independencia y asociacion entre tres o mas variables cualitativas. En el segundo, se desarrolla la teoria de los modelos log-lineales cuyo objetivo es describir la estructura de independencia y asociacion de la tabla mediante el menor numero posible de parametros, sin distinguir entre variable de respuesta y variables explicativas. El tercero esta dedicado a la modelizacion de tablas de contingencia mediante los modelos logit, que permiten describir el efecto de varias variables explicativas categoricas sobre una variable de respuesta cualitativa. Como consecuencia, este manual puede ser una herramienta util tanto para profesores y alumnos de un curso sobre este tema como para usuarios de la estadistica que trabajen con datos de naturaleza cualitativa.

Los modelos politómicos de TRI son modelos estadísticos que se aplican en el ámbito de la medición psicológica y educativa. Resultan útiles para estimar los niveles de conocimientos y actitudes de los sujetos que responden a tests psicologicos y examenes educativos. A su vez, proporcionan informacion sobre dichos tests, como el nivel de dificultad de los items o el nivel de radicalidad de los items de actitudes. Esta monografia presenta una introduccion a los modelos politomicos mas utilizados. Se realiza un breve resumen de los modelos dicotomicos mas conocidos, y de los metodos de inferencia estadistica (estimacion de parametros y contraste de hipotesis). A continuacion, se describen los modelos politomicos en sus aspectos teoricos, ejemplos aplicados y el modo de estimarlos utilizando el programa informatico Multilog.

En este libro se trata el modelo unifactorial de medidas repetidas desde diferentes perspectivas de análisis.

R es un entorno de programación, análisis y generación de gráficos que, además de haberse convertido en la lengua franca de la computación estadística, se distribuye bajo licencia GNU, que garantiza su libertad de uso y gratuidad. R Commander es un paquete (modulo)de R basado en menus y ventanas desplegables que ofrece al usuario un entorno de trabajo amigable con opciones para la gestion de datos, modelado estadistico y generacion de graficos. Los contenidos que abarca R Commander estan en continua expansion, evolucion y mejora. Este libro quiere ser un manual basico sobre R Commander para no iniciados. Mostramos un texto que explica a los lectores el uso y aplicacion de R Commander y les ofrece las bases teoricas para el analisis de datos y la interpretacion de resultados."

El propósito de la presente monografía es mostrar al lector, de manera clara y sencilla, los aspectos fundamentales del análisis de curvas ROC (Receiver Operating Characteristic). En particular, a los profesionales e investigadores interesados en desarrollar una clasificacion o diagnostico y evaluar el rendimiento de uno o mas clasificadores, validando e interpretando los resultados de dicha clasificacion o diagnostico. Por ello, el desarrollo de los fundamentos basicos de la teoria de las curvas ROC, se complementa ampliamente con la aplicacion practica, describiendo detalladamente los pasos para llevar a cabo la ejecucion e interpretacion del analisis de curvas ROC mediante programas informaticos, de manera que el lector pueda adaptarlo a su campo de aplicacion sin entrar en el desarrollo de fondo de esta metodologia. En lineas generales, el analisis de curvas ROC es una tecnica estadistica de decision que, a partir de una caracteristica, permite discriminar entre dos grupos o subpoblaciones de una poblacion, proporcionando un criterio de clasificacion y una medida de su bondad. El uso de las curvas ROC esta muy extendido en la actualidad y juega un papel fundamental en procesos de diagnostico y clasificacion, por ejemplo en deteccion de señales, psiquiatria, medicina y psicologia, y recientemente tambien en meteorologia, inteligencia artificial y economia.

Esta monografía, Crítica y alternativas a la significación estadística en el contraste de hipótesis, presenta uno de los tópicos más relevantes de la metodología estadística actual con fuertes implicaciones en la evaluacion de las ciencias sociales y biomedicas. Se considera una cuestion bastante controvertida cual es el uso de tests de significacion estadistica para el contraste de hipotesis.

Longitudinal studies often incur several problems that challenge standard statistical methods for data analysis. These problems include non-ignorable missing data in longitudinal measurements of one or more response variables, informative observation times of longitudinal data, and survival analysis with intermittently measured time-dependent covariates that are subject to measurement error and/or substantial biological variation. Joint modeling of longitudinal and time-to-event data has emerged as a novel approach to handle these issues. Joint Modeling of Longitudinal and Time-to-Event Data provides a systematic introduction and review of state-of-the-art statistical methodology in this active research field. The methods are illustrated by real data examples from a wide range of clinical research topics. A collection of data sets and software for practical implementation of the joint modeling methodologies are available through the book website. This book serves as a reference book for scientific investigators who need to analyze longitudinal and/or survival data, as well as researchers developing methodology in this field. It may also be used as a textbook for a graduate level course in biostatistics or statistics.

hoy día están prácticamente superados los problemas de cálculo y además se han desarrollado numerosos programas y aplicaciones en esta área: ¿por qué todavía se presentan dificultades en la bioestadística, una disciplina esencial para el desarrollo

Este libro es un manual de introducción al estudio de la Estadística, válido para estudiantes de Economía no iniciados en la materia y para toda persona interesada en el conocimiento de las técnicas estadisticas, sea o no especialista en el campo economico. Su contenido se centra en el analisis descriptivo de datos (Estadistica Descriptiva), cuyo conocimiento constituye la base de los metodos estadisticos, imprescindible para abordar posteriormente desarrollos mas complejos de la Estadistica.El texto consta de doce capitulos, en los cuales, tras describirse los conceptos basicos de la Estadistica, se pasa al analisis estadistico de una variable (parte I) y al de dos a mas variables (parte II); en este caso con atencion expresa al analisis de la dependencia entre variables (regresion y correlacion). Se incluye tambien un capitulo especifico orientado al tratamiento estadistico de variables cualitativas (parte III), para terminar en el estudio de las series temporales en una doble vertiente: analisis de la forma en que estas evolucionan historicamente (parte IV, analisis clasico de series temporales) y analisis de las variaciones que se producen en su magnitud a lo largo del tiempo (parte V, numeros indices).