Glosario de probabilidad y estadística

Estos términos y conceptos se utilizan en las ciencias matemáticas de la estadística y la probabilidad , sus subdisciplinas y campos relacionados. Para consultar otros términos relacionados, véanse el Glosario de matemáticas y el Glosario de diseño experimental .

Glosario

A

regla de decisión admisible
álgebra de variables aleatorias
hipótesis alternativa
análisis de varianza
evento atómico: Otro nombre para evento elemental .

B

gráfico de barras
Teorema de Bayes
estimador bayesiano
factor de Bayes
Inferencia bayesiana
inclinación: 1. Cualquier característica de una muestra que no sea representativa de la población más amplia .; 2. La diferencia entre el valor esperado de un estimador y el valor verdadero.
datos binarios: Datos que solo pueden tomar dos valores, generalmente representados por los dígitos binarios 0 y 1.
distribución binomial
análisis bivariado: Un tipo de análisis estadístico cuantitativo en el que se analizan exactamente dos variables , con el fin de determinar la relación empírica entre ellas. Contrasta con el análisis multivariante .
bloqueo: En el diseño experimental, la agrupación de unidades experimentales en bloques que son similares entre sí. El bloqueo se utiliza a menudo para gestionar el problema de la pseudorreplicación .
Método Box-Jenkins
diagrama de caja

do

estudio causal: Un estudio estadístico cuyo objetivo es medir el efecto de una variable sobre el resultado de otra. Por ejemplo, un estudio causal podría plantear la pregunta: "¿Cómo se sentirá mi dolor de cabeza si tomo aspirina, en comparación con si no la tomo?". Los estudios causales pueden ser experimentales u observacionales. ^{[ 1 ]}
teorema del límite central
momento central
función característica
distribución chi-cuadrado
prueba de chi-cuadrado
análisis de clúster
muestreo por conglomerados
evento complementario
diseño completamente aleatorio
estadística computacional: El estudio de los métodos estadísticos que se hacen posibles mediante el uso de métodos computacionales, en la interfaz entre la estadística y la informática .
concomitantes: En un estudio estadístico, cualquier variable cuyos valores no se vean afectados por los tratamientos experimentales, como la edad, el sexo y el nivel de colesterol de una unidad antes de comenzar una dieta experimental. ^{[ 1 ]}
distribución condicional: Dadas dos variables aleatorias distribuidas conjuntamente X e Y , la distribución de probabilidad condicional de Y dado X (escrita " Y | X ") es la distribución de probabilidad de Y cuando se sabe que X es un valor particular.
probabilidad condicional: La probabilidad de que ocurra un evento A, suponiendo que ocurra el evento B. En notación matemática, la probabilidad condicional se escribe P( A | B ) y se lee "la probabilidad de A , dado B ".
distribución de probabilidad condicional
intervalo de confianza (IC): En estadística inferencial, un rango de valores plausibles para algún parámetro desconocido , como la media poblacional , se define como un intervalo con un límite inferior y un límite superior. ^{[ 2 ]} Los valores precisos de estos límites se calculan a partir de un nivel de confianza predeterminado , elegido por el investigador. El nivel de confianza representa la frecuencia de intervalos que, a largo plazo, capturan el valor verdadero del parámetro desconocido; es decir, el 95 % de los intervalos de confianza calculados con un nivel de confianza del 95 % contienen el valor verdadero, y lo mismo ocurre con otros niveles de confianza. Por ejemplo, basándose en un estudio de los hábitos de sueño de una muestra aleatoria de 100 personas, un investigador puede estimar, con un nivel de confianza del 95 %, que la población general duerme entre 5 y 9 horas por noche. Existe un 95 % de probabilidad de que la media poblacional verdadera se encuentre dentro de este intervalo, porque el 95 % de las muestras aleatorias tomadas de esta misma población producirán intervalos de confianza del 95 % que contienen la media verdadera.
nivel de confianza: Un número que indica la probabilidad de que el intervalo de confianza (rango) capture la verdadera media poblacional . Por ejemplo, un intervalo de confianza con un nivel de confianza del 95 % tiene un 95 % de probabilidad de capturar la media poblacional. Técnicamente, esto significa que, si el experimento se repitiera muchas veces, el 95 % de los intervalos de confianza calculados a este nivel contendrían la verdadera media poblacional. ^{[ 2 ]}
factor de confusión: Una variable que influye tanto en la variable dependiente como en la independiente , causando una asociación espuria. La existencia de variables de confusión ocultas es una explicación cuantitativa importante de por qué la correlación no implica causalidad: si los cambios en dos variables parecen estar correlacionados, es arriesgado suponer que un cambio causa el otro porque es posible que uno o más factores de confusión no identificados hayan causado, de hecho, los cambios en ambas variables. Un ejemplo clásico es la correlación entre el mayor consumo de helado y el aumento de la delincuencia en verano. Es irracional suponer que comer más helado hace que la gente cometa más delitos, o viceversa; es más probable que una o más variables adicionales, por ejemplo, el clima cálido, aumenten simultáneamente tanto el consumo de helado como la delincuencia. En este ejemplo, el clima cálido es el factor de confusión.
conjugado previo
variable continua
muestreo por conveniencia
correlación: Una medida numérica de la fuerza de una relación lineal entre dos variables aleatorias (se puede usar para cuantificar, por ejemplo, cómo se correlacionan el tamaño del calzado y la altura en la población). Un ejemplo es el coeficiente de correlación producto-momento de Pearson , que se obtiene dividiendo la covarianza de las dos variables por el producto de sus desviaciones estándar . Las variables independientes , por definición, tienen una correlación de 0. Una correlación poblacional se suele representar con el símbolo $\rho$ y una correlación de muestra por $r$ .
datos de recuento: Datos derivados del conteo , y que por lo tanto solo pueden tomar valores enteros no negativos .
covarianza: Dadas dos variables aleatorias X e Y , con valores esperados $E(X)=\mu$ y $E(Y)=\nu$ , el valor esperado de la variable aleatoria $(X-\mu )(Y-\nu )$ , escrito en notación estadística como $\operatorname {cov} (X,Y)$ La covarianza se utiliza para medir la correlación ; puede interpretarse como el grado en que las dos variables cambian simultáneamente entre sí o "covarían".

D

datos
análisis de datos
conjunto de datos: Una muestra y los puntos de datos asociados .
punto de datos: Una medida tipificada : puede ser un valor booleano , un número real, un vector (en cuyo caso también se denomina vector de datos ), etc.
regla de decisión
teoría de la decisión
grados de libertad
estimación de densidad
dependencia
variable dependiente
estadística descriptiva
diseño de experimentos
desviación
variable discreta
diagrama de puntos
doble conteo

mi

evento elemental: Un evento que contiene un único resultado en el espacio muestral ; en un conjunto de posibilidades, una posibilidad que puede ocurrir de una sola manera. Por ejemplo, al sacar una carta de una baraja estándar , "sacar la jota de picas" es un evento elemental (porque solo hay una jota de picas en toda la baraja), mientras que "sacar un rey o un as" no lo es (porque hay un total de cuatro reyes y cuatro ases en la baraja).
teoría de la estimación: Rama de la estadística que se ocupa de estimar los valores de parámetros a partir de datos empíricos medidos con un componente aleatorio . Los parámetros describen un contexto físico subyacente de tal manera que sus valores afectan la distribución de los datos medidos; un estimador intenta utilizar las mediciones para aproximar los parámetros desconocidos.
estimador: Una función de los datos conocidos se utiliza para estimar un parámetro desconocido ; una estimación es el resultado de la aplicación de la función a un conjunto de datos específico. Por ejemplo, la media puede utilizarse como estimador.
valor esperado: La suma de las probabilidades de cada posible resultado de un experimento multiplicada por su correspondiente ganancia o "valor". Por lo tanto, representa la cantidad promedio que uno "espera" ganar por apuesta si se repiten muchas veces apuestas con probabilidades idénticas. Por ejemplo, el valor esperado de lanzar un dado justo de seis caras es 3,5. El concepto es, intuitivamente, una generalización del promedio ponderado de todos los posibles resultados de un procedimiento o experimento particular, y puede verse como la media aritmética de un gran número de realizaciones independientes del experimento. El valor esperado de la variable aleatoria X se escribe típicamente como E(X) para el operador de esperanza , y $\mu$ ( mu ) para el parámetro.
experimento: Cualquier procedimiento que pueda repetirse infinitamente y que tenga un conjunto de resultados bien definidos.
familia exponencial
evento: Un subconjunto del espacio muestral de un procedimiento o experimento (es decir , un posible resultado) al que se le puede asignar una probabilidad. Por ejemplo, al lanzar un dado, "obtener un tres" es un evento (con una probabilidad de 1/6 si el dado es justo), al igual que "obtener un cinco o un seis" (con una probabilidad de 1/3 ) .

F

análisis factorial
experimento factorial
frecuencia
distribución de frecuencia
dominio de frecuencia
inferencia frecuentista

GRAMO

modelo lineal general
modelo lineal generalizado
datos agrupados

H

histograma: Representación gráfica aproximada de la distribución de datos numéricos. Un histograma muestra esta distribución dividiendo el rango completo de valores en una serie de intervalos consecutivos que no se superponen y, a continuación, contando cuántas instancias del conjunto de datos caen en cada intervalo.

I

independencia
variable independiente
rango intercuartil (RIC): Una medida de la dispersión estadística o amplitud de un conjunto de datos, definida como la diferencia entre los percentiles 25 y 75 de los datos. Para calcular el IQR, el conjunto de datos se divide en cuatro partes iguales ordenadas por rango o cuartiles , cuyos límites, en los percentiles 25, 50 y 75, se denotan. $Q$ ₁ , $Q$ ₂ y $Q$ ₃ , respectivamente; el IQR = $Q$ ₃ $-$ $Q$ ₁ .

J

distribución conjunta: Dadas dos variables aleatorias X e Y , la distribución conjunta de X e Y es la distribución de probabilidad de X e Y juntas.
probabilidad conjunta: La probabilidad de que dos eventos ocurran juntos. La probabilidad conjunta de A y B se escribe $P(A\cap B)$ o $P(A,\ B)$ .

K

filtro de Kalman
núcleo
estimación de densidad de kernel
curtosis: Una medida de la asimetría de la distribución de probabilidad de una variable aleatoria de valor real. Existen diferentes maneras de cuantificar, estimar e interpretar la curtosis, pero una interpretación común es que representa el grado en que la forma de la distribución se ve influenciada por observaciones extremas poco frecuentes ( valores atípicos ); en este caso, una curtosis más alta significa que una mayor parte de la varianza se debe a desviaciones extremas poco frecuentes, en contraposición a desviaciones frecuentes de tamaño moderado.

L

momento L
Ley de los grandes números (LLN): Un teorema establece que el promedio de los resultados obtenidos al realizar el mismo experimento un gran número de veces debería ser cercano al valor esperado del experimento , y tiende a aproximarse aún más a medida que se realizan más ensayos. Esta ley sugiere que se requiere un número suficientemente grande de ensayos para que los resultados de cualquier experimento se consideren fiables, y, por extensión, que realizar solo un número reducido de ensayos puede producir una interpretación incompleta o engañosa de los resultados del experimento.
función de verosimilitud: Una función de probabilidad condicional se considera una función de su segundo argumento manteniendo fijo el primero. Por ejemplo, imaginemos sacar una bola numerada k de una bolsa con n bolas, numeradas del 1 al n ; una función de verosimilitud para la variable aleatoria N podría describirse como la probabilidad de sacar k dado que hay n bolas: la verosimilitud será 1/ n para n mayor o igual que k , y 0 para n menor que k . A diferencia de una función de distribución de probabilidad, esta función de verosimilitud no sumará 1 en el espacio muestral .
función de pérdida
prueba de razón de verosimilitud

METRO

Estimador M
distribución marginal: Dadas dos variables aleatorias X e Y distribuidas conjuntamente , la distribución marginal de X es simplemente la distribución de probabilidad de X cuando se ignora la información sobre Y.
probabilidad marginal
probabilidad marginal: La probabilidad de un evento dado, ignorando cualquier información sobre otros eventos. La probabilidad marginal de A se escribe P ( A ). Contrasta con la probabilidad condicional .
Cadena de Markov Monte Carlo
estadística matemática
estimación de máxima verosimilitud
significar: 1. El valor esperado de una variable aleatoria.; 2. La media aritmética , es decir, el promedio matemático de un conjunto de valores numéricos, que se calcula dividiendo la suma de los valores por el número de valores.
mediana
desviación absoluta mediana
modo
media móvil: Una serie de promedios o medias matemáticas de diferentes subconjuntos de un conjunto de datos más grande, que generalmente se calculan para comprender las tendencias en el conjunto de datos a lo largo del tiempo.
distribución multimodal
análisis multivariado
estimación de densidad de kernel multivariante
variable aleatoria multivariada: Un vector cuyos componentes son variables aleatorias en el mismo espacio de probabilidad.
exclusividad mutua
independencia mutua: Se dice que un conjunto de eventos es mutuamente independiente si, para cualquier subconjunto del conjunto, la probabilidad conjunta de que ocurran todos los eventos es igual al producto de las probabilidades conjuntas de los eventos individuales. Pensemos en el resultado de una serie de lanzamientos de moneda. Esta es una condición más estricta que la independencia por pares.

norte

regresión no paramétrica
estadística no paramétrica
error no muestreado
distribución normal
gráfico de probabilidad normal
hipótesis nula (H ₀ ): La afirmación que se prueba en una prueba de significación estadística ; generalmente una afirmación de "ningún efecto" o "ninguna diferencia". ^{[ 3 ]} Por ejemplo, en una prueba sobre si la luz tiene un efecto en el sueño, la hipótesis nula sería que la luz no tiene ningún efecto en el sueño (es decir, los patrones de sueño son los mismos independientemente de las condiciones de iluminación). La hipótesis nula es una expresión de la expectativa de que la variable dependiente no cambiará significativamente a medida que se modifica la variable independiente ; la significación estadística se mide y se informa según el grado en que se cumple esta expectativa. Contrasta con la hipótesis alternativa .

O

encuesta de opinión
decisión óptima
diseño óptimo
parte aislada

PAG

valor p
independencia por pares: Un conjunto de variables aleatorias, de las cuales dos cualesquiera son independientes.
parámetro: Cantidad medida de una población estadística que resume o describe un aspecto de la misma, por ejemplo, la media o la desviación estándar ; a menudo, se trata de una cantidad que se estima a partir de la cantidad correspondiente calculada mediante la extracción de muestras aleatorias de la población. Puede ser un parámetro poblacional, un parámetro de distribución o un parámetro no observable.
filtro de partículas
percentil
gráfico circular
estimación puntual
fuerza
probabilidad previa: En la inferencia bayesiana , se tienen en cuenta las creencias previas u otra información disponible antes de considerar nuevos datos u observaciones.
parámetro de población: Ver parámetro .
probabilidad posterior: El resultado de un análisis bayesiano que encapsula la combinación de creencias o información previas (la probabilidad previa ) con datos observados.
análisis de componentes principales (ACP)
probabilidad
densidad de probabilidad: La probabilidad en una distribución de probabilidad continua. Por ejemplo, no se puede decir que la probabilidad de que un hombre mida seis pies de altura sea del 20%, pero sí se puede decir que tiene un 20% de probabilidades de medir entre cinco y seis pies de altura. La densidad de probabilidad viene dada por una función de densidad de probabilidad . Contrasta con la masa de probabilidad .
función de densidad de probabilidad: La distribución de probabilidad para una variable aleatoria continua.
distribución de probabilidad: Una función que da la probabilidad de todos los elementos en un espacio dado; véase Lista de distribuciones de probabilidad .
medida de probabilidad: La probabilidad de eventos en un espacio de probabilidad .
gráfico de probabilidad
espacio de probabilidad: Un espacio muestral sobre el cual se ha definido una medida de probabilidad .

Q

cuantil: Un punto o valor específico en el que el rango de una distribución de probabilidad se divide en intervalos continuos con probabilidades iguales, o en el que las observaciones de una muestra se dividen de la misma manera. El número de grupos en los que se divide el rango siempre es uno mayor que el número de cuantiles que lo dividen. Los cuantiles más comunes incluyen los cuartiles (que dividen un rango en cuatro grupos), los deciles (diez grupos) y los percentiles (cien grupos). Los grupos se denominan mitades, tercios, cuartos, etc., aunque a veces los términos para los cuantiles se utilizan para referirse a los grupos, en lugar de a los puntos de corte.
cuartilla: Un tipo de cuantil que divide un rango de puntos de datos en cuatro grupos, denominados cuartiles , de igual tamaño. Para cualquier conjunto de datos dividido en cuartiles, hay exactamente tres cuartiles o puntos de corte que crean los cuatro grupos. El primer cuartil ( $Q$ ₁ ) se define como el punto de datos o valor medio que se encuentra a medio camino entre el valor más pequeño (mínimo) y la mediana del conjunto de datos, de modo que el 25 por ciento de los datos se encuentra por debajo de este cuartil. El segundo cuartil ( $Q$ ₂ ) es la mediana misma, con el 50 por ciento de los datos por debajo de este punto. El tercer cuartil ( $Q$ ₃ ) se define como el valor medio a mitad de camino entre la mediana y el valor más grande (máximo) del conjunto de datos, de modo que el 75 por ciento de los datos se encuentra por debajo de este cuartil. Dado que los datos deben ordenarse de menor a mayor para poder calcularlos, los cuartiles son un tipo de estadística de orden .
muestreo por cuotas

R

variable aleatoria: Una función medible en un espacio de probabilidad, generalmente de valor real. La función de distribución de una variable aleatoria proporciona la probabilidad de los diferentes valores de la variable. También se pueden calcular la media y la varianza de una variable aleatoria. Véase también variable aleatoria discreta y variable aleatoria continua .
diseño de bloques aleatorios
rango: La longitud del intervalo más pequeño que contiene todos los datos de un conjunto de datos, calculada como la diferencia aritmética entre el valor máximo y el mínimo del conjunto de datos y expresada en las mismas unidades utilizadas para los datos. El rango proporciona una medida de la dispersión estadística del conjunto de datos.
estimación bayesiana recursiva
análisis de regresión: Un modelo estadístico o de análisis de datos emplea un conjunto de métodos estadísticos para estimar la relación entre una variable dependiente y una o más variables independientes libres de errores. El ejemplo más común es la regresión lineal , en la que se calcula la ecuación de la recta que mejor se ajusta a un conjunto de datos según un criterio matemático específico y se representa gráficamente. Otras formas de regresión utilizan métodos similares para estimar parámetros alternativos o para calcular expectativas condicionales a partir de diversos modelos no lineales.
diseño de medidas repetidas
variable de respuesta: Cualquier variable cuyo valor se vea o se espere que se vea afectado por un tratamiento experimental, o por cambios en una o más variables; por ejemplo, los niveles de colesterol después de seguir una dieta específica durante seis meses. Las variables de respuesta son aquellas que cambian o responden a algún fenómeno en estudio. El término se usa a menudo indistintamente con variable dependiente . ^{[ 1 ]}
aleatorización restringida
estadísticas sólidas
error de redondeo

S

muestra: Aquella parte de una población que es observada o medida realmente.
covarianza de la muestra
media de la muestra: La media aritmética de una muestra de valores extraídos de una población, comúnmente denotada por ${\overline {x}}$ Un ejemplo es la puntuación media de un subconjunto de 10 estudiantes de una clase. Suponiendo que la muestra es representativa de la población general, la media muestral se utiliza a menudo como estimador de la media poblacional , que en este ejemplo sería la puntuación media de todos los estudiantes de la clase.
espacio muestral: El conjunto de resultados posibles de un experimento. Por ejemplo, el espacio muestral para lanzar un dado de seis caras es {1, 2, 3, 4, 5, 6}.
muestreo: El muestreo consiste en utilizar una fracción de observaciones o muestras seleccionadas de una población mayor para estudiar y estimar las características de dicha población. Se basa en la suposición de que un subconjunto suficientemente grande de datos, elegido según criterios apropiados, es representativo del conjunto mayor en su totalidad; es decir, que las propiedades estadísticas del subconjunto son prácticamente las mismas que las del conjunto mayor. Por lo tanto, los investigadores están justificados al utilizar las muestras para realizar inferencias sobre la población mayor sin tener que observar o medir cada dato individualmente, lo cual puede resultar prohibitivamente caro, difícil o imposible en la práctica.
sesgo de muestreo
distribución del muestreo: La distribución de probabilidad , obtenida mediante muestreo repetido de la población , de un estadístico dado.
error de muestreo
diagrama de dispersión
parámetro de escala
nivel de significancia
muestra aleatoria simple
La paradoja de Simpson
oblicuidad: Una medida de la asimetría de la distribución de probabilidad de una variable aleatoria de valor real respecto a su media . En términos generales, una distribución tiene asimetría positiva (sesgada a la derecha) si la cola superior es más larga, y asimetría negativa (sesgada a la izquierda) si la cola inferior es más larga. Las distribuciones perfectamente simétricas siempre tienen asimetría cero, aunque una asimetría cero no implica necesariamente una distribución simétrica.
trama de espaguetis
sesgo espectral
desviación estándar: La medida de dispersión estadística más utilizada. Es la raíz cuadrada de la varianza y generalmente se denota con la letra griega minúscula. $\sigma$ ( sigma ).
error estándar
puntuación estándar
estadística: El resultado de aplicar un algoritmo estadístico a un conjunto de datos. También puede describirse como una variable aleatoria observable.
dispersión estadística
gráficos estadísticos
prueba de hipótesis estadística
independencia estadística: Dos eventos son independientes si el resultado de uno no afecta al del otro (por ejemplo, obtener un 1 en una tirada de dado no afecta la probabilidad de obtener un 1 en una segunda tirada). De manera similar, cuando afirmamos que dos variables aleatorias son independientes, intuitivamente queremos decir que conocer el valor de una de ellas no proporciona información sobre el valor de la otra.
inferencia estadística: Inferencia sobre una población basada en una muestra aleatoria extraída de esa población o, más generalmente, sobre un proceso aleatorio a partir de su comportamiento observado durante un período de tiempo finito.
modelo estadístico
población estadística: Conjunto de entidades sobre las que se extraen inferencias estadísticas, a menudo basadas en muestreo aleatorio. También se puede hablar de una población de mediciones o valores.
dispersión estadística: Una medida de la diversidad dentro de un conjunto de datos, expresada por la varianza o la desviación estándar .
parámetro estadístico: Un parámetro que indexa una familia de distribuciones de probabilidad.
significancia estadística
estadística
Prueba t de Student
exhibición de tallo y hojas
muestreo estratificado
metodología de la encuesta
función de supervivencia
sesgo de supervivencia
distribución de probabilidad simétrica
muestreo sistemático

T

estadístico de prueba
datos ordenados: Estándar para estructurar datos de tal manera que "cada variable es una columna, cada observación es una fila y cada tipo de unidad de observación es una tabla". Es equivalente a la tercera forma normal de Codd . ^{[ 4 ]}
dominio del tiempo
series temporales
análisis de series temporales
pronóstico de series temporales
tratos: Variables en un estudio estadístico que son conceptualmente manipulables. Por ejemplo, en un estudio de salud, seguir una dieta determinada es un tratamiento, mientras que la edad no lo es. ^{[ 1 ]}
ensayo: Se puede hacer referencia a cada repetición individual al hablar de un experimento compuesto por un número fijo de ellas. Por ejemplo, se puede pensar en un experimento que consista en un número de lanzamientos de moneda de uno a n , digamos 17. En este caso, un lanzamiento se puede llamar ensayo para evitar confusiones, ya que todo el experimento se compone de 17 unos.
estimador recortado
errores de tipo I y tipo II

U

distribución de probabilidad unimodal
unidades: En un estudio estadístico, las unidades son los objetos a los que se asignan los tratamientos. Por ejemplo, en un estudio que examina los efectos de fumar cigarrillos, las unidades serían las personas. ^{[ 1 ]}

V

diferencia: Una medida de la dispersión estadística de una variable aleatoria, que indica cuán alejados del valor esperado están sus valores típicamente. La varianza de la variable aleatoria X se designa típicamente como $\operatorname {var} (X)$ , $\sigma _{X}^{2}$ o simplemente $\sigma ^{2}$

W

media aritmética ponderada
mediana ponderada

incógnita

XOR, disyunción exclusiva

Y

Corrección de Yates para la continuidad, corrección de Yules

Z

prueba z

Véase también

Referencias

1 2 3 4 5 Reiter, Jerome (24 de enero de 2000). "Uso de estadísticas para determinar relaciones causales". American Mathematical Monthly . 107 (1): 24– 32. doi : 10.2307/2589374 . JSTOR 2589374 .
1 2 Pav Kalinowski. Comprensión de los intervalos de confianza (IC) y la estimación del tamaño del efecto. Association for Psychological Science Observer, 10 de abril de 2010. http://www.psychologicalscience.org/index.php/publications/observer/2010/april-10/understanding-confidence-intervals-cis-and-effect-size-estimation.html
↑ Moore, David ; McCabe, George (2003). Introducción a la práctica de la estadística (4.ª ed.). Nueva York: WH Freeman and Co. pág. 438. ISBN 9780716796572.
↑ Wickham, Hadley (2014). "Tidy Data" (PDF) . Journal of Statistical Software . 59 (10). doi : 10.18637/jss.v059.i10 .

Enlaces externos

"Glosario de terminología del DOE" , Manual electrónico de métodos estadísticos NIST/SEMATECH , NIST , consultado el 28 de febrero de 2009.
Glosario estadístico , statistics.com , consultado el 28 de febrero de 2009.
Páginas sobre probabilidad y estadística en los primeros usos (Universidad de Southampton)

[Reiter-1] 1 2 3 4 5 Reiter, Jerome (24 de enero de 2000). "Uso de estadísticas para determinar relaciones causales". American Mathematical Monthly . 107 (1): 24– 32. doi : 10.2307/2589374 . JSTOR 2589374 .

[Kalinowski-2] 1 2 Pav Kalinowski. Comprensión de los intervalos de confianza (IC) y la estimación del tamaño del efecto. Association for Psychological Science Observer, 10 de abril de 2010. http://www.psychologicalscience.org/index.php/publications/observer/2010/april-10/understanding-confidence-intervals-cis-and-effect-size-estimation.html

[moore-3] Moore, David ; McCabe, George (2003). Introducción a la práctica de la estadística (4.ª ed.). Nueva York: WH Freeman and Co. pág. 438. ISBN 9780716796572.

[4] Wickham, Hadley (2014). "Tidy Data" (PDF) . Journal of Statistical Software . 59 (10). doi : 10.18637/jss.v059.i10 .

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]