Título : |
Estadística |
Tipo de documento: |
texto impreso |
Autores: |
Murray R. Spiegel, Autor ; Rafael Hernandez Heredero, Traductor ; Lorenzo Abellanas Rapun, Colaborador |
Mención de edición: |
2a ed. |
Editorial: |
México : McGraw-Hill |
Fecha de publicación: |
1993 |
Número de páginas: |
556 p. |
Il.: |
il., tbls., maps. |
Dimensiones: |
24 cm |
ISBN/ISSN/DL: |
978-970-10-0047-2 |
Idioma : |
Español (spa) Idioma original : Inglés (eng) |
Clasificación: |
ESTADÍSTICA
|
Palabras clave: |
ESTADÍSTICA, VARIABLES-GRÁFICOS, DISTRIBUCIONES-FRECUENCIAS, MEDIA MEDIANA MODA Y MEDIDAS DE TENDENCIA CENTRAL, DESVIACIÓN TÍPICA-MEDIDAS DISPERSIÓN, MOMENTOS SESGO CURTOSIS, PROBABILIDADES-TEORÍA ELEMENTAL, DISTRIBUCIONES BINOMIAL NORMAL POISSON, TEORÍA ELEMENTAL-MUESTREO, ESTIMACIÓN ESTADÍSTICA-TEORÍA, ESTADÍSTICA-DECISIONES, PEQUEÑAS MUESTRAS, TEST JI-CUADRADO, AJUSTE CURVAS, LA CORRELACIÓN, CORRELACIÓN MÚLTIPLE PARCIAL, ANÁLISIS VARIANZA, CONTRASTES NO PARAMÉTRICOS, |
Clasificación: |
310 |
Resumen: |
"Este libro es una introducción a los principios básicos de la Estadística con Aplicaciones Generales. Se incluyen teoría y problemas tanto resueltos como complementarios, que en muchos casos utilizan datos de la vida real". |
Nota de contenido: |
Variables y gráficos -- Distribuciones de frecuencias -- Media, mediana, moda y otras medidas de tendencia central -- La desviación típica y otras medidas de dispersión -- Momentos, sesgo y curtosis -- teoría elemental de probabilidades -- Las distribuciones binomial normal y de poisson -- Teoría elemental del muestreo -- Teoría de la estimación estadística -- Teoría estadística de las decisiones -- Teoría de pequeñas muestras -- Test Ji-Cuadrado -- Ajuste de curvas y el método de mínimos cuadrados -- Teoría de la correlación -- Correlación múltiple y parcial -- Análisis de varianza -- Contrastes no paramétricos -- Análisis de series en el tiempo -- Números índice -- Apéndices -- Indice |
Link: |
https://biblioteca.cuenca.gob.ec/opac_css/index.php?lvl=notice_display&id=5078 |
Estadística [texto impreso] / Murray R. Spiegel, Autor ; Rafael Hernandez Heredero, Traductor ; Lorenzo Abellanas Rapun, Colaborador . - 2a ed. . - México : McGraw-Hill, 1993 . - 556 p. : il., tbls., maps. ; 24 cm. ISBN : 978-970-10-0047-2 Idioma : Español ( spa) Idioma original : Inglés ( eng) Clasificación: |
ESTADÍSTICA
|
Palabras clave: |
ESTADÍSTICA, VARIABLES-GRÁFICOS, DISTRIBUCIONES-FRECUENCIAS, MEDIA MEDIANA MODA Y MEDIDAS DE TENDENCIA CENTRAL, DESVIACIÓN TÍPICA-MEDIDAS DISPERSIÓN, MOMENTOS SESGO CURTOSIS, PROBABILIDADES-TEORÍA ELEMENTAL, DISTRIBUCIONES BINOMIAL NORMAL POISSON, TEORÍA ELEMENTAL-MUESTREO, ESTIMACIÓN ESTADÍSTICA-TEORÍA, ESTADÍSTICA-DECISIONES, PEQUEÑAS MUESTRAS, TEST JI-CUADRADO, AJUSTE CURVAS, LA CORRELACIÓN, CORRELACIÓN MÚLTIPLE PARCIAL, ANÁLISIS VARIANZA, CONTRASTES NO PARAMÉTRICOS, |
Clasificación: |
310 |
Resumen: |
"Este libro es una introducción a los principios básicos de la Estadística con Aplicaciones Generales. Se incluyen teoría y problemas tanto resueltos como complementarios, que en muchos casos utilizan datos de la vida real". |
Nota de contenido: |
Variables y gráficos -- Distribuciones de frecuencias -- Media, mediana, moda y otras medidas de tendencia central -- La desviación típica y otras medidas de dispersión -- Momentos, sesgo y curtosis -- teoría elemental de probabilidades -- Las distribuciones binomial normal y de poisson -- Teoría elemental del muestreo -- Teoría de la estimación estadística -- Teoría estadística de las decisiones -- Teoría de pequeñas muestras -- Test Ji-Cuadrado -- Ajuste de curvas y el método de mínimos cuadrados -- Teoría de la correlación -- Correlación múltiple y parcial -- Análisis de varianza -- Contrastes no paramétricos -- Análisis de series en el tiempo -- Números índice -- Apéndices -- Indice |
Link: |
https://biblioteca.cuenca.gob.ec/opac_css/index.php?lvl=notice_display&id=5078 |
| ![Estadística vignette](data:image/jpeg;base64,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) |