Modelo de Ecuaciones Estructurales.

Civelek, Mustafa Emre. (2018). Essentials of Structural Equation Modeling. In Essentials of Structural Equation Modeling. Zea Books the University of Nebraska–Lincoln Libraries. https://doi.org/10.13014/K2SJ1HR5

DESCARGAR PDF

El Modelo de Ecuaciones Estructurales es un método estadístico cada vez más utilizado en los estudios científicos en los campos de las Ciencias Sociales. En la actualidad, es el método de análisis preferido, especialmente en las tesis doctorales y las investigaciones académicas. Muchas universidades no incluyen este método en el plan de estudios, por lo que los estudiantes y académicos tratan de resolver estos problemas utilizando libros y recursos de Internet.

Este libro pretende guiar al investigador de una forma libre de expresiones matemáticas. Enseña los pasos de un programa de investigación utilizando la modelización estructurada de la igualdad de forma práctica. Para los estudiantes que escriben tesis y los académicos que preparan artículos académicos, este libro pretende analizar sistemáticamente la metodología de los estudios realizados con métodos de modelización de ecuaciones estructurales en las ciencias sociales. En un lenguaje lo más sencillo posible, transmite información básica. Consta de dos partes: en la primera se exponen los conceptos básicos del modelado de ecuaciones estructurales, y en la segunda se dan ejemplos de aplicaciones.

Estadística computacional con R.

Introduzione alla Statistica Computazionale con R - Búsqueda de Google

Bruno Bertaccini. Introduzione alla Statistica Computazionale con R. Firenze University Press, 2018. (Strumenti per la didattica e la ricerca ; 199). DOI: 10.36253/978-88-6453-674-3
ACCEDER AL PDF

La transposición de los métodos y modelos estadísticos clásicos a las oportunidades que ofrecen las calculadoras modernas ha ampliado la gama de perspectivas de análisis y posibles aplicaciones. Muchos de estos métodos se identifican superficialmente como pertenecientes al campo genérico de la Estadística Computacional, es decir, la interfaz entre la Estadística y la Informática.
Los anglosajones consideran apropiado hacer un esfuerzo semántico que pasamos por alto, queriendo distinguir lo que se enmarca como Estadísticas Computacionales de lo que en cambio se refiere a la Informática Estadística, es decir, a la aplicación del cálculo electrónico (también intensivo) a los métodos e instrumentos tradicionales de la Estadística.

Dentro de la las estadísticas computacionales incluyen todo lo relacionado con el diseño y desarrollo de algoritmos destinados a aplicar métodos estadísticos con (y para) los ordenadores, o a resolver problemas complejos si no imposibles de tratar analíticamente (Albert y Gentle, 2004; Lauro, 1996; Wilkinson, 2008). Aunque todos los estadísticos deberían mostrar una algunas habilidades en el uso de los paquetes estadísticos más comunes, las habilidades en el campo de las estadísticas computacionales no son en absoluto predecibles.

Muchos textos didácticos, aunque de manera genérica, se refieren al campo de la Estadística Computacional, pero en realidad se limitan a la utilización de un programa o paquete informático particular para la aplicación de los principales métodos estadísticos de análisis de datos (por lo que deben ser catalogados como textos de Estadística Computacional). En opinión del autor, faltaba un texto que introdujera el verdadero arte de la Estadística Computacional, es decir, capaz de ilustrar cómo los conocimientos de programación informática en el desarrollo de algoritmos pueden ponerse al servicio de la Estadística para la simulación y la réplica virtual de la realidad y los experimentos más o menos complejos. En la realidad actual, saber simular escenarios de decisión complejos podría ser de fundamental importancia para asegurar una ventaja sobre competidores reales o potenciales.

Hay cientos de textos en el paquete R. Esto no debería sorprender: en los últimos años el la cantidad de usuarios de R en el mundo ha crecido exponencialmente, porque estamos hablando de un paquete extremadamente versátil para el análisis estadístico-matemático y la minería de datos, construida alrededor de un lenguaje de programación vectorial tipo java.
Por lo tanto, el lenguaje se presta bien para llevar a cabo todas esas actividades de investigación y análisis que definir el alcance de las estadísticas computacionales. Sin embargo, son (en proporción se entiende) relativamente pocos textos que traten sobre la introducción del arte de la simulación.

Probabilidad y estadística

Probabilidades y estadística : Análisis de datos - Búsqueda de Google

Probabilidades y estadística : Análisis de datos. Apezteguía, María del Carmen | Ferrario, Julieta (comp.). Editorial de la Universidad Nacional de La Plata (EDULP), 2019. ISBN: 978-950-34-1735-5. http://sedici.unlp.edu.ar/handle/10915/74877

DESCARGAR

Este libro intenta dar una introducción a las ideas básicas de Probabilidades y Estadística. Fue concebido para ser usado por los estudiantes del ciclo básico de la Facultad de Ciencias Exactas de la UNLP (CiBEx), con conocimientos básicos de Análisis Matemático. La temática puede considerarse dividida en dos núcleos centrales:

  1. Nociones básicas de probabilidades: son las herramientas necesarias para desarrollar las primeras nociones de inferencia estadística.
  2. Algunos elementos de inferencia estadística: estimación puntual y mediante intervalos de confianza, test de hipótesis, regresión lineal.

Probabilidades y estadística : Análisis de datos - Búsqueda de Google

La gran mayoría de los temas son introducidos con ejemplos, tratando de enfatizar la manera correcta de encararlos.

Perfiles de motivación en los estudiantes de matemáticas

Motivational Profiles in TIMSS Mathematics - Búsqueda de Google

Motivational Profiles in TIMSS Mathematics. Michaelides, Michalis P. (et al). Springer, 2019. 144 p. (IEA Research for Education). DOI: 10.1007/978-3-030-26183-2
DESCARGAR PDF

Este libro  presenta una investigación centrada en la figura del estudiante, utilizando variables relacionadas con la motivación para estudiar matemáticas, derivadas de los datos del Estudio Internacional de Matemáticas y Ciencias (TIMSS) de la IEA.

El análisis estadístico de grupos se utiliza para identificar grupos de estudiantes con perfiles de motivación similares, en todos los grados y a lo largo del tiempo, para múltiples países participantes. Si bien las variables de motivación se relacionan sistemáticamente con los resultados escolares, las relaciones lineales pueden ocultar la composición diversa de los subgrupos de estudiantes, cada uno con una combinación variable de motivación, emociones y actitudes.

En este libro, un análisis centrado en la figura de los perfiles motivacionales distintos y significativos y sus diferencias en las variables sociodemográficas y el rendimiento en matemáticas amplía la comprensión del papel que las características de la motivación desempeñan en el aprendizaje y el rendimiento en matemáticas.

Aprovechando la riqueza de los datos del TIMSS de la IEA de muchos países, los conjuntos extraídos revelan patrones consistentes, así como ciertos matices que están sistemáticamente vinculados a las medidas sociodemográficas y de rendimiento. En todos los países se encontraron grupos de estudiantes con perfiles motivacionales inconsistentes; la confianza en sí mismo en las matemáticas surgió entonces como la variable más estrechamente asociada con el rendimiento medio.

Las conclusiones demuestran que los profesores, los investigadores y los encargados de formular políticas deben tener en cuenta los perfiles diferenciales de los estudiantes, dando prioridad a las técnicas que apuntan a la destreza y la competencia en matemáticas, en los esfuerzos educativos para desarrollar la motivación de los estudiantes.

Termodinámica y Mecánica Estadística de Sistemas Pequeños

Entropy | Conferences

Thermodynamics and Statistical Mechanics of Small Systems. Andrea Puglisi (ed.). [2018]. MDPI. Multidisciplinary Digital Publishing Institute
DESCARGAR PDF

Una frontera desafiante en la física estadística moderna concierne a los sistemas con un pequeño número de grados de libertad, lejos del límite termodinámico. Más allá del interés general en la fundación de la mecánica estadística, la relevancia de este tema se debe al reciente aumento de la resolución en la observación y manipulación de objetos biológicos y artificiales a micro y nanoescala.

Una característica peculiar de los sistemas pequeños es el papel que juegan las fluctuaciones, que no pueden ser descuidadas y son responsables de muchos comportamientos no triviales. El estudio de las fluctuaciones de las magnitudes termodinámicas, como la energía o la entropía, se remonta a Einstein, Onsager y Kubo; más recientemente, el interés por este tema ha crecido con el establecimiento de nuevas relaciones de fluctuación-disipación, y de la llamada termodinámica estocástica.

Este punto de inflexión ha recibido un fuerte impulso del estudio de sistemas que están lejos del equilibrio termodinámico, debido a tiempos de relajación muy largos, como en los sistemas desordenados, o debido a la presencia de forzamiento y disipación externa, como en la materia granular o activa. Las aplicaciones de la mecánica termodinámica y estadística de los sistemas pequeños van desde la biología molecular hasta la micromecánica, incluyendo modelos de nano-transporte, motores brownianos y organismos autopropulsados (vivos o artificiales).