El arte de la estadística : cómo aprender de los datos /
Contiene: 1) Cómo entender las cosas como proporciones: datos categóricos y porcentajes; 2) Cómo resumir y comunicar los números. Muchísimos números; 3) Pero, en realidad, ¿por qué nos interesan los datos? Poblaciones y mediciones; 4) ¿Qué causa qué?; 5) Modelizar relaciones mediante la regresión; 6...
Wedi'i Gadw mewn:
| Prif Awdur: | |
|---|---|
| Fformat: | Llyfr |
| Iaith: | Sbaeneg |
| Cyhoeddwyd: |
Madrid, España :
Capitán Swing,
2023, c2023
|
| Pynciau: | |
| Tagiau: |
Dim Tagiau, Byddwch y cyntaf i dagio'r cofnod hwn!
|
MARC
| LEADER | 00000nam^a2200000^a^4500 | ||
|---|---|---|---|
| 001 | 000579556 | ||
| 005 | 20250521000000.0 | ||
| 009 | 20260310132532.255 | ||
| 020 | |a 978-84-126198-5-0 | ||
| 037 | |a Acervo ITESO - Biblioteca | ||
| 041 | |a ESP | ||
| 082 | |a 519. 5 |b SPI | ||
| 100 | |a Spiegelhalter, David |e (autor) | ||
| 245 | 1 | 3 | |a El arte de la estadística : |b cómo aprender de los datos / |c D. Spiegelhalter ; tr. por Francisco Herreros. |
| 264 | 4 | |a Madrid, España : |b Capitán Swing, |c 2023, c2023 | |
| 300 | |a 359 p. | ||
| 336 | |a texto |b txt |2 rdacontenido | ||
| 337 | |a sin mediación |b n |2 rdamedio | ||
| 338 | |a volumen |b nc |2 rdasoporte | ||
| 500 | |a Traducción de: The Art of Statistics: Learning from Data | ||
| 520 | |a Contiene: 1) Cómo entender las cosas como proporciones: datos categóricos y porcentajes; 2) Cómo resumir y comunicar los números. Muchísimos números; 3) Pero, en realidad, ¿por qué nos interesan los datos? Poblaciones y mediciones; 4) ¿Qué causa qué?; 5) Modelizar relaciones mediante la regresión; 6) Algoritmos, analítica y predicción; 7) ¿Qué seguridad nos merecen los resultados?; 8) Probabilidad: el lenguaje de la incertidumbre y la variabilidad; 9) Juntar la probabilidad y la estadística; 10) Responder preguntas y reivindicar descubrimientos; 11) Aprender de la experiencia a la manera bayesiana; 12) Cuando las cosas se hacen mal; 13) Cómo podemos hacer mejor los análisis estadísticos; 14) En conclusión. | ||
| 521 | |a FIL 2023 DIA | ||
| 649 | |a XX | ||
| 650 | |a Análisis de Datos | ||
| 650 | |a Análisis de Regresión | ||
| 650 | |a Análisis de Intervalos | ||
| 650 | |a Análisis Numérico | ||
| 650 | |a Causalidad | ||
| 650 | |a Predicción - |x Teoría | ||
| 650 | |a Algoritmos | ||
| 650 | |a Incertidumbre (Teoría de la Información) | ||
| 650 | |a Probabilidad - |x Tema Principal | ||
| 650 | |a Estadística Bayesiana | ||
| 650 | |a Estadística - |x Tema Principal | ||
| 650 | |a Matemáticas Aplicadas | ||
| 910 | |a Fondo General | ||
| 920 | |a Impresos - Libros | ||
| 930 | |a Colección General | ||
| 905 | |a 101 | ||
| 901 | |a 0500406131 |b IT1 |c ACC |i C185145 |u 20250521 | ||
| 902 | |a https://opac.biblio.iteso.mx/vufind/Record/000579556 | ||