ESTADISTICA APLICADA: ECONOMIA Y CIENCIAS SOCIALES (En papel)

IndicePrólogoCapítulo 0INTRODUCCIÓN0.1. Estadística. Concepto y contenido0.2. Análisis estadístico. Conceptos de población y de muestra. Re-laciones de la Estadística con otras ciencias0.3. Síntesis de la evolución histórica de la EstadísticaPRIMERA PARTE:ANÁLISIS DE DATOS Y MODELIZACIÓN ESTOCÁSTICACapítulo 1DATOS ESTADÍSTICOS: CARACTERÍSTICAS GENERA-LES Y REPRESENTACIÓN1.1. Datos y series estadísticas. Clasificaciones. Escalas1.2. Descripción numérica de las series estadísticas. Distribucionesde frecuencias1.3. Generalidades sobre la representación gráfica de las series esta-dísticas1.4. Gráficos semilogarítmicos y piramidales1.5. Fuentes de datos estadísticos. Principales publicaciones españo-las y extranjerasCapítulo 2ANÁLISIS DE DATOS UNIDIMENSIONALES2.1. Introducción2.2. Medidas de posición. Propiedades2.3. Medidas de dispersión. Propiedades2.4. Medidas de forma o perfil. Propiedades2.5. Medidas de concentración-uniformidad. Propiedades2.6. Algunas consideraciones matemáticas: momentos y media ge-neral de orden mCapítulo 3ANÁLISIS DE DATOS MULTIDIMENSIONALES3.1. Introducción. Distribuciones conjuntas, marginales y condicio-nadas3.2. Vector de Valores medios y matriz de covarianzas. Propiedades3.3. Dependencia, independencia e incorrelación. Propiedades3.4. Correlación. Coeficientes de contingencia y de correlación ordinaly lineal3.5. Métodos de regresión. Regresión lineal minimocuadrática. Aná-lisis de la bondad de un ajuste3.6. Notas sobre regresión no lineal y múltiple, y sobre correlacióntotal, parcial y múltipleCapítulo 4MODELOS ESTOCÁSTICOS PARA DATOS UNIDIMEN-SIONALES4.1. Introducción a la modelización estocástica: variables aleatoriasy distribuciones de probabilidad4.2. Distribuciones de probabilidad univariantes. Clasificación. Fun-ciones de cuantía, de distribución y de densidad. Propiedades4.3. Funciones de variables aleatorias en R. Distribuciones de proba-bilidad asociadas4.4. Esperanza matemática y momentos de las distribuciones de pro-babilidad en R. Desigualdades de Markov y de Tchebychev4.5. Fución característica y generatriz de momentosCapítulo 5MODELOS UNIVARIANTES ESPECÍFICOS5.1. Distribución causal o de un solo punto5.2. Distribuciones binaria, binomial e hipergeométrica5.3. Distribución de Poisson5.4. Distribución uniforme o rectangular5.5. Distribución normal5.6. Otras distribuciones en RCapítulo 6MODELOS ESTOCÁSTICOS PARA DATOS MULTIDI-MENSIONALES6.1. Variables aleatorias y distribuciones de probabilidad en Rn.Clasificación. Distribuciones marginales y condicionadas.Dependencia e independencia6.2. Funciones de variables aleatorias en Rn. Transformaciones6.3. La esperanza matemática como operador sobre una función devariables aleatorias6.4. Momentos de las distribuciones de probabilidad en Rn. Vectorde valores medios, matriz de covarianzas, y matriz de correla-ción. Distribuciones incorreladas6.5. Funciones características en Rn. La propiedad de convolución.Distribuciones reproductivasCapítulo 7MODELOS MULTIVARIANTES ESPECÍFICOS7.1. La distribución normal multivariante. Propiedades7.2. Función característica y transformaciones lineales. Propiedades7.3. El problema de la obtención de los ejes o componentes principa-les7.4. Formas cuadráticas de variables aleatorias. Teorema de Cochran.Otras distribuciones de probabilidad en RnCapítulo 8CONVERGENCIAS Y PROCESOS ESTOCÁSTICOS. ELTEOREMA CENTRAL DEL LÍMITE8.1. Convergencias estocásticas. Tipos. Propiedades más importan-tes8.2. El teorema central del límite. Utilidad. Aproximación entre dis-tribuciones de probabilidad8.3. Principales teoremas de convergencia débil y fuerte. Significado.Aplicaciones8.4. Procesos estocásticos. Definición y caracterización. Principalespropiedades y enfoques para su análisisSEGUNDA PARTE:INFERENCIA ESTADÍSTICACapítulo 9INFERENCIA ESTADÍSTICA9.1. Población y Muestra9.2. Muestra Aleatoria Simple9.3. Modelo de Generación9...