TY - GEN AU - Hildebrand,David K. AU - Ott,Lyman AU - Torres Alcaraz,Carlos TI - Estadìstica aplicada SN - 978-968-444-317-4 PY - 1998/// CY - México PB - Pearson Educación N1 - 1. Cómo dar sentido a los datos - 2. Síntesis de los datos relativos a una variable - 3. Un primer vistazo a la probabilidad - 4. Variables aleatorias y distribución de probabilidades - 5. Casos especiales de distribución de probabilidades - 6. Muestreo aleatorio y ditribuciones muestrales - 7. Estimación puntual - 8. Estimacion por intervalos - 9. Pruebas o contrastes de hipótesis - 10. Comparación de dos muestras - 11. Métodos para las proporciones y variables cualitativas - 12. Análisis de la varianza y diseño de experimentos - 13. Regresión lineal y métodos de correlación - 14. Métodos de regresión múltiple - 15. Construcción de un modelo de regresión múltiple - 16. Análisis de series temporales UR - data:image/jpeg;base64,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 ER -