Andere Kunden interessierten sich auch für
![Modelado de distribuciones conjuntas con datos faltantes]( "Modelado de distribuciones conjuntas con datos faltantes")
Modelado de distribuciones conjuntas con datos faltantes36,99 €![Reglas de evolución estocásticas discretas]( "Reglas de evolución estocásticas discretas")
Reglas de evolución estocásticas discretas38,99 €![Estudio del proceso de inercia en modelos de función de transferencia]( "Estudio del proceso de inercia en modelos de función de transferencia")
Estudio del proceso de inercia en modelos de función de transferencia25,99 €![Metodologías para la toma de decisiones apoyadas en modelos difusos]( "Metodologías para la toma de decisiones apoyadas en modelos difusos")
Metodologías para la toma de decisiones apoyadas en modelos difusos53,99 €![Selección de modelos en regresión logística binaria, un enfoque clásico]( "Selección de modelos en regresión logística binaria, un enfoque clásico")
Selección de modelos en regresión logística binaria, un enfoque clásico23,99 €![Apuntes de Stata]( "Apuntes de Stata")
Apuntes de Stata32,99 €![Introducción al diseño y análisis de experimentos]( "Introducción al diseño y análisis de experimentos")
Introducción al diseño y análisis de experimentos53,99 €
En la recopilación de datos para análisis estadísticos se presenta comúnmente una situación, entre otras, en la que la suposición de independencia entre observaciones no es plausible: Los datos se toman de un mismo sujeto en diferentes momentos a través del tiempo originando los llamados datos longitudinales. En primera instancia, este libro le presenta dos modelos estadísticos usuales para tratar con datos longitudinales binarios: Los modelos marginales de regresión con las ecuaciones estimadoras generalizadas y los modelos markovianos de transición con el método de modelos lineales generalizados. En segunda instancia, y más importante aún, el libro propone una nueva metodología de análisis para dichos modelos a través de cópulas discretas. Uno de los aspectos más interesantes del método de cópulas es que puede utilizarse con varias estructuras de dependencia aún con datos faltantes. Esto se ilustra con la aplicación de una cópula bivariada Gaussiana a una base de datos real, por medio de un programa en R proporcionado al final del libro. Se espera que el contenido presentado sirva de motivación a los profesionales de la estadística para ampliar el uso y desarrollo de las cópulas.