Contenido
Introdución
Capítulo 1
Conceptos preliminares
1.1 Introducción
1.2 Escala de medida
1.2.1 Dicotómicas
1.2.2 Ordinal
1.2.3 Conteos discretos
1.2.4 Nominal
1.3 Esquema de muestreo
1.4 Modelos de muestreo
1.4.1 Distribución de Poisson
1.4.2 Distribución binomial
1.4.3 Distribución multinomial
1.4.4 Distribución hipergeométrica
1.5 Inferencia sobre una proporción
1.5.1 Estimación
1.5.2 Distribución muestral de una proporción
1.5.3 Intervalo de confianza para una proporción
1.5.4 Contraste de hipótesis sobre una proporción
1.6 Procesamiento de datos con R
1.7 Ejercicios
Capítulo 2
Tablas de contingencia
2.1 Introducción
2.2 Tablas de contingencia
2.3 Modelos probabilísticos
2.3.1 Modelo de clasificación fija
2.3.2 Modelo de homogeneidad
2.3.3 Modelo de independencia
2.4 Independencia de la clasificación
2.4.1 Prueba ji-cuadrado
2.4.2 Distribución ji-cuadrado
2.4.3 Contraste mediante la razón de verosimilitudes (G2)
2.4.4 Medidas de asociación
2.4.5 Medidas asociadas a la estadística ji-cuadrado
2.4.6 Medidas basadas en la reducción proporcional del error (RPE)
2.4.7 Medidas de asociación ordinales
2.4.8 Otras medidas de asociación
2.4.9 Determinación de las fuentes de asociación
2.4.10 Análisis de los residuos
2.4.11 Partición de tablas
2.4.12 Análisis con el PROC FREQ del paquete estadístico SAS
2.5 Tablas de contingencia 2 x 2
2.5.1 Prueba ji-cuadrado
2.5.2 La corrección por continuidad de Yates
2.5.3 Prueba de la probabilidad exacta de Físher
2.5.4 Prueba de McNemar para proporciones correlacionadas en tablas 2 x 2
2.5.5 Riesgo relativo
2.5.6 Razón de probabilidades (odds)
2.5.7 Fracción etiológica
2.5.8 Prueba de Cochran-Mantel-Haenszel
2.5.9 Prueba de Cochran-Mantel-Haenszel para tablas f x c
2.6 Tablas multidimensionales
2.6.1 Notación para tablas multidimensionales
2.6.2 Pruebas de independencia de las variables en una tabla a tres vías
2.6.3 Paradoja de Simpson
2.7 Tamaño de muestra
2.8 Procesamiento de datos con R
2.9 Ejercicios
Capítulo 3
Modelos lineales generalizados
3.1 Definición de un modelo lineal generalizado
3.1.1 La familia exponencial
3.1.2 La función de enlace
3.2 Estimación del vector de parámetros β
3.3 Pruebas de hipótesis
3.3.1 Prueba de la razón de verosimilitudes
3.3.2 Estadística de Wald
3.3.3 Estadística de "score"
3.4 Diagnóstico en los mlgs
3.4.1 Residuales
3.5 Procesamiento de datos con R
3.6 Ejercicios
Capítulo 4
Modelos log-lineales
4.1 Introducción
4.2 Modelos log-lineales para tablas de contingencia
4.2.1 El modelo log-lineal
4.2.2 Modelos jerárquicos
4.2.3 Estimación de modeloslog-lineales
4.2.4 Ajuste de los modelos log-lineales
4.2.5 Estadística ji-cuadrado de bondad de ajuste
4.2.6 Residuales
4.3 Procesamiento de datos con R
4.4 Ejercicios
Capítulo 5
Regresión logística
5.1 Introducción
5.2 Modelo de regresión logística
5.3 Interpretación de los coeficientes de regresión
5.4 Construcción e interpretación de la función logística
5.5 Variables dummy
5.6 Ajuste del modelo
5.6.1 Contraste de hipótesis sobre los parámetros
5.6.2 Selección de modelos
5.6.3 Bondad de ajuste
5.7 Regresión logística con respuesta politómica
5.7.1 Regresión logística nominal
5.7.2 Regresión logística ordinal
5.8 Algunas aplicaciones de la regresión logística
5.8.1 Descripción
5.8.2 Comparación de curvas
5.8.3 Indice de deserción
5.8.4 Estudios prospectivos
5.8.5 Estudios de cohorte
5.8.6 Ensayos clínicos
5.8.7 Estudios caso-control
5.8.8 Razón de odds y riesgos relativos
5.9 Procesamiento de datos con R
5.9.1 Cálculos para la sección 5.4
5.9.2 Cálculos para la sección 5.6
5.9.3 Cálculos para la sección 5.7
5.10 Ejercicios
Capítulo 6
Métodos para datos de conteo
6.1 Introducción
6.2 Determinación de la naturaleza aleatoria de un evento
6.3 Modelo de regresión tipo Poisson
6.3.1 Modelo de regresión simple
6.3.2 Modelo de regresión múltiple
6.4 Procesamiento de datos con R
6.5 Ejercicios
Capítulo 7
Métodos para datos emparejados
7.1 Introducción
7.2 Medidas de concordancia o acuerdo
7.3 Estudios emparejados caso-control
7.4 Regresión logística condicional
7.4.1 Regresión logística simple
7.4.2 Regresión logística múltiple
7.5 Procesamiento de datos con R
7.6 Ejercicios
Capítulo 8
Análisis de medidas repetidas categóricas
8.1 Introducción
8.2 Análisis de medidas repetidas mediante la técnica de Cochran-Mantel-Haenszel
8.2.1 Respuesta dicotómica
8.2.2 Respuesta ordinal
8.3 Análisis de medidas repetidas mediante mínimos cuadrados ponderados
8.3.1 Distribución multinomial
8.3.2 Estimación vía mínimos cuadrados ponderados
8.3.3 Análisis de medidas repetidas categóricas vía MCP
8.3.4 Análisis de regresión en una población
8.4 Análisis de medidas repetidas via modelos lineales generalizados
8.4.1 Cuasi-verosimilitud
8.4.2 Ecuaciones de cuasi-verosimilitud
8.4.3 Métodos de MLG para análisis de medidas repetidas categóricas
8.5 Metodología de las ecuaciones de estimación generalizadas
8.5.1 Resumen de la metodología
8.6 Procesamiento de datos con R
8.6.1 Ecuaciones de estimación generalizadas con R
8.7 Ejercicios
Capítulo 9
Análisis de correspondencias
9.1 Introducción
9.2 Representación geométrica de una tabla de contingencia
9.2.1 Perfiles fila y columna
9.3 Semejanza entre perfiles: la distancia ji-cuadrado
9.4 Explicación de la técnica
9.5 Análisis de correspondencias múltiples
9.5.1 Tablas de datos
9.5.2 Fundamentos del análisis de correspondencias múltiples
9.5.3 Propiedades del análisis de correspondencias múltiples
9.5.4 Reglas de interpretación
9.6 Procesamiento de datos con R
9.6.1 Análisis de correspondencias simple
9.6.2 Análisis de correspondencias múltiples
9.7 Análisis de correspondencias múltiples mediante SAS
9.8 Ejercicios
Capítulo 10
Análisis discriminante
10.1 Introducción
10.2 Reglas de discriminación para dos grupos
10.2.1 Vía máxima verosimilitud
10.3 Reglas de discriminación para varios grupos
10.3.1 Grupos con matrices de covarianzas iguales
10.3.2 Grupos con matrices de covarianzas distintas
10.4 Tasas de error de clasificación
10.4.1 Estimación de las tasas de error
10.5 Otras técnicas de discriminación
10.5.1 Modelo de discriminación logística para dos grupos
10.5.2 Modelo de discriminación Probit
10.5.3 Discriminación con datos multinomiales
10.5.4 Clasificación mediante la técnica de "el vecino más cercano"
10.6 Selección de variables
10.7 Procesamiento de datos con R
10.7.1 Cálculos para la sección 6.2
10.7.2 Ejemplo sobre discriminación para varios grupos
10.8 Procedimiento DISCRIM del paquete SAS
10.9 Ejercicios Capítulo 11
Métodos no paramétricos
11.1 Introducción
11.2 Pruebas de localización en una muestra
11.2.1 Prueba del signo
11.2.2 Muestras pareadas
11.2.3 Prueba de rango signado de Wilcoxon
11.3 Pruebas de localización en dos muestras
11.3.1 Prueba de Mann-Whitney-Wilcoxon
11.4 Pruebas de localización en diseños completamente al azar
11.4.1 Prueba de Kruskal-Wailis
11.5 Pruebas de localización para diseños en bloques aleatorizados completos
11.5.1 Prueba de Friedman
11.6 Procesamiento de datos con R
11.6.1 Prueba del signo
11.6.2 Prueba de rango signado de Wilcoxon
11.6.3 Prueba de Mann-Whitney-Wilcoxon
11.6.4 Prueba de Kruskal-Wallis
11.6.5 Prueba de Friedman
11.7 Ejercicios
Apéndice A
Conceptos estadísticos básicos
A.1 Introducción
A.2 Conceptos probabilísticos
A.2.1 Algunas distribuciones de probabilidad
A.3 Inferencia
A.3.1 Propiedades de un estimador
A.3.2 Estimación puntual y por intervalo
A.3.3 Contraste de hipótesis
A.4 Matriz de información de Fisher
A.5 Método de Newton-Raphson
A.6 Procesamiento de datos con R
A.7 Procesamiento de datos con SAS
Apéndice B
Procedimientos básicos con R
B.1 Cálculo de probabilidades y cuantiles
B.1.1 Distribución binomial
B.1.2 Distribución de Poisson
