reference-keys.txt

fig:PureDeathSatFat
tab:WhyTakingClass
fig:ReliabilityValidity
tab:MeasurementTypes
fig:salesContract
tab:PhysActiveTable
tab:PhysActiveTableFiltered
tab:sleepTable
fig:sleepHist
tab:unnamed-chunk-7
fig:sleepAbsCumulRelFreq
fig:ageHist
fig:heightHistSep
tab:heightVals
fig:NormalDistPlotsWithDist
fig:SFOWaitTimes
fig:srbLeak
fig:challengerTemps
fig:plotHeight
fig:dentalFigs
fig:dataInkExample
fig:chartJunk
fig:crimePlotAxes
fig:bodyTempAxis
fig:barCharLieFactor
fig:badColors
fig:pieChart
fig:religionBars
fig:gasPrices
fig:childHeight
fig:meanError
fig:childHeightLine
fig:msePlot
fig:BACrt
fig:Overfitting
fig:MinSSE
tab:income1
tab:income2
tab:varsim
fig:crimeHist
fig:popVsCrime
fig:crimeZplot
fig:crimeZmap
fig:zDensityCDF
fig:zDensity2SD
fig:stdScores
fig:crimeTypePlot
fig:crimeTypePopPlot
fig:ElectionResults
fig:ThrowMatrix
tab:freethrow
fig:conditionalProbability
tab:simpleProb
tab:jointProb
tab:mhCounts
tab:mhProps
tab:condProb
tab:sampleExample
fig:samplePlot
fig:alcDist50
fig:rngExamples
fig:finishingTimes
fig:finishTimeSim
fig:bootstrapSEM
tab:summaryTable
fig:bmiSample
fig:tVersusNormal
fig:coinFlips
tab:squatPlot
fig:squatPlot
fig:shuffleHist
fig:simDiff
fig:sigResults
fig:nullSim
fig:CIcoverage
fig:CISampSize
tab:dInterp
fig:genderHist
fig:corrFig
tab:smokingData
fig:plotPowerSim
fig:GenerativeModel
fig:like2
fig:posteriorDist
fig:posteriorDistPrior
fig:bayesTesting
fig:rejectionSampling
tab:candyDf
fig:chisqDist
tab:policeCT
tab:unnamed-chunk-67
tab:stdRes
tab:unnamed-chunk-70
fig:hateCrimeGini
tab:covTable
fig:shuffleCorr
fig:outlierCorr
fig:simpleCausalGraph
fig:latentCausalGraph
fig:gini0
fig:StudytimeGrades
fig:LinearRegression
tab:readingTable
fig:LinearRegressionByPriorClass
fig:CaffeineAnxietyInteraction
fig:qqplots
tab:unnamed-chunk-89
fig:crossvalidation
tab:unnamed-chunk-90
fig:GLMmatrix
fig:PotTVViolin
fig:BPfig
fig:BPDiffHist
fig:DrugTrial
fig:FDist
fig:AtoZBMIChangeDensity
fig:residualPlot
fig:diagnosticQQPlot
tab:metsymData
fig:PPVsim
fig:CurseSim
por-qué-existe-este-libro
la-era-dorada-de-la-información
la-importancia-de-hacer-estadísticas
un-libro-de-código-abierto-open-source
agradecimientos
introduction
qué-es-el-pensamiento-estadístico
lidiar-con-la-ansiedad-estadística
qué-puede-hacer-la-estadística-por-nosotrxs
las-grandes-ideas-de-la-estadística
aprender-de-los-datos
agregación-aggregation
incertidumbre
muestrear-de-una-población
causalidad-y-estadística
objetivos-de-aprendizaje
lecturas-sugeridas
working-with-data
qué-son-los-datos
datos-cualitativos
datos-cuantitativos
tipos-de-números
mediciones-discretas-versus-continuas
qué-constituye-a-una-buena-medición
confiabilidad
validez
objetivos-de-aprendizaje-1
lecturas-sugeridas-1
apéndice
escalas-de-medición
summarizing-data
por-qué-resumir-datos
resumir-datos-usando-tablas
frequency-distributions
cumulative-distributions
plotting-histograms
bins-de-un-histograma
representaciones-idealizadas-de-distribuciones
asimetría-sesgo
distribuciones-con-colas-largas
objetivos-de-aprendizaje-2
lecturas-sugeridas-2
data-visualization
anatomía-de-una-gráfica
principios-de-una-buena-visibilización
muestra-los-datos-y-haz-que-destaquen
maximiza-la-proporción-datostinta-dataink-ratio
evita-gráficas-basura
evita-distorsionar-los-datos
ajustarse-a-las-limitaciones-humanas
limitaciones-perceptuales
corrigiendo-otros-factores
objetivos-de-aprendizaje-3
lecturas-y-videos-sugeridos
fitting-models
qué-es-un-modelo
modelado-estadístico-un-ejemplo
mejorando-nuestro-modelo
qué-hace-que-un-modelo-sea-bueno
overfitting
resumir-datos-usando-la-media
resumir-datos-robústamente-usando-la-mediana
la-moda
variabilidad-qué-tan-bien-se-ajusta-la-media-a-los-datos
usar-simulaciones-para-entender-la-estadística
puntajes-z
interpretando-puntajes-z
puntajes-estandarizados
usar-puntajes-z-para-comparar-distribuciones
objetivos-de-aprendizaje-4
apéndice-1
prueba-de-que-la-suma-de-los-errores-a-partir-de-la-media-es-igual-a-cero
probability
qué-es-la-probabilidad
cómo-determinamos-probabilidades
creencia-personal
empirical-frequency
probabilidad-clásica
resolviendo-el-problema-de-de-méré
distribuciones-de-probabilidad
distribuciones-de-probabilidad-acumuladas
conditional-probability
calcular-probabilidades-condicionales-a-partir-de-los-datos
independencia
bayestheorem
aprender-de-los-datos-1
posibilidades-odds-y-razón-de-posibilidades-odds-ratios
qué-significan-las-probabilidades
objetivos-de-aprendizaje-5
lecturas-sugeridas-3
apéndice-2
derivación-de-la-regla-de-bayes
sampling
how-do-we-sample
samplingerror
standard-error-of-the-mean
the-central-limit-theorem
objetivos-de-aprendizaje-6
lecturas-sugeridas-4
resampling-and-simulation
simulación-montecarlo
aleatoriedad-en-estadística
generando-números-aleatorios
utilizando-una-simulación-con-el-método-de-montecarlo
usando-simulaciones-para-estadística-bootstrap
calculando-el-bootstrap
objetivos-de-aprendizaje-7
lecturas-sugeridas-5
hypothesis-testing
prueba-estadística-de-hipótesis-nula-null-hypothesis-statistical-testing-nhst
prueba-estadística-de-hipótesis-nula-un-ejemplo
el-proceso-de-la-prueba-de-hipótesis-nula
paso-1-formular-una-hipótesis-de-interés
paso-2-especifica-las-hipótesis-nula-y-alternativa
paso-3-recolectar-datos
paso-4-ajusta-un-modelo-a-los-datos-y-calcula-el-estadístico-de-prueba
paso-5-determinar-la-probabilidad-de-los-resultados-observados-bajo-la-hipótesis-nula
pvalues-very-simple
pvalues-tdist
calcular-valores-p-usando-aleatorización
aleatorización-un-ejemplo-simple
aleatorización-ejemplo-imcactividad
paso-6-evalúa-la-significatividad-estadística-del-resultado
prueba-de-hipótesis-como-toma-de-decisiones-la-aproximación-neyman-pearson
qué-significa-un-resultado-significativo
significa-que-la-probabilidad-de-que-la-hipótesis-nula-sea-verdadera-es-.01
significa-que-la-probabilidad-de-que-estés-tomando-la-decisión-incorrecta-es-.01
significa-que-si-vuelves-a-hacer-el-estudio-obtendrías-el-mismo-resultado-99-de-las-veces
significa-que-encontraste-un-efecto-importante-de-manera-práctica
nhst-en-un-contexto-moderno-pruebas-múltiples
objetivos-de-aprendizaje-8
lecturas-sugeridas-6
ci-effect-size-power
intervalos-de-confianza
intervalos-de-confianza-usando-la-distribución-normal
intervalos-de-confianza-utilizando-la-distribución-t
intervalos-de-confianza-y-tamaño-de-muestra
calcular-el-intervalo-de-confianza-utilizando-bootstrap
relación-de-los-intervalos-de-confianza-con-la-prueba-de-hipótesis
tamaño-de-efecto-effect-sizes
d-de-cohen
r-de-pearson
razón-de-posibilidades-odds-ratio
statistical-power
análisis-de-poder
objetivos-de-aprendizaje-9
lecturas-sugeridas-7
bayesian-statistics
modelos-generativos
el-teorema-de-bayes-y-la-inferencia-inversa
doing-bayesian-estimation
especificar-la-probabilidad-previa
recolectar-los-datos
calcular-la-probabilidad-likelihood
calcular-la-probabilidad-marginal-marginal-likelihood
calcular-la-probabilidad-posterior
estimating-posterior-distributions
especificar-la-probabilidad-previa-1
recolectar-algunos-datos
calcular-la-probabilidad-likelihood-1
calcular-la-probabilidad-marginal
calcular-la-probabilidad-posterior-1
estimación-máxima-a-posteriori-map-maximum-a-posteriori
intervalos-de-credibilidad
efectos-de-diferentes-probabilidades-previas
elegir-una-probabilidad-previa
prueba-de-hipótesis-bayesiana
Bayes-factors
factores-de-bayes-para-hipótesis-estadísticas
pruebas-unilaterales-one-sided-tests
interpretar-factores-de-bayes
evaluar-evidencia-a-favor-de-la-hipótesis-nula
objetivos-de-aprendizaje-10
lecturas-sugeridas-8
apéndice-3
muestreo-de-rechazo
modeling-categorical-relationships
ejemplo-dulces-de-colores
chi-squared-test
two-way-test
residuales-estandarizados-standardized-residuales
razones-de-posibilidades-odds-ratios
factores-de-bayes
análisis-categóricos-más-allá-de-la-tabla-2-x-2
cuídate-de-la-paradoja-de-simpson
objetivos-de-aprendizaje-11
lecturas-adicionales
modeling-continuous-relationships
un-ejemplo-crímenes-de-odio-y-desigualdad-de-ingreso
la-desigualdad-de-ingreso-está-relacionada-con-los-crímenes-de-odio
covariance-and-correlation
prueba-de-hipótesis-para-correlaciones
robust-correlations
correlación-y-causalidad
gráficas-causales
objetivos-de-aprendizaje-12
lecturas-sugeridas-9
apéndice-4
cuantificando-la-desigualdad-el-índice-gini
análisis-de-correlación-bayesiana
the-general-lineal-model
linear-regression
regression-to-the-mean
la-relación-entre-correlación-y-regresión
errores-estándar-de-los-modelos-de-regresión
pruebas-estadísticas-para-los-parámetros-de-la-regresión
cuantificar-la-bondad-de-adjuste-del-modelo
ajustar-modelos-más-complejos
interacciones-entre-variables
más-allá-de-predictores-y-resultados-lineales
model-criticism
qué-significa-realmente-predecir
cross-validation
objetivos-de-aprendizaje-13
lecturas-sugeridas-10
apéndice-5
estimar-parámetros-de-una-regresión-lineal
comparing-means
single-mean
comparing-two-means
ttest-linear-model
tamaños-de-efecto-para-comparar-dos-medias
factores-de-bayes-para-diferencias-entre-medias
paired-ttests
prueba-de-los-signos
prueba-t-para-muestras-relacionadas-paired-t-test
comparar-más-de-dos-medias
ANOVA
objetivos-de-aprendizaje-14
apéndice-6
la-prueba-t-de-muestras-relacionadas-como-un-modelo-lineal
practical-example
el-proceso-de-modelación-estadística
especificar-nuestra-pregunta-de-interés.
identificar-o-recolectar-los-datos-apropiados.
preparar-los-datos-para-el-análisis.
determinar-el-modelo-apropiado.
ajustar-el-modelo-a-los-datos.
criticar-el-modelo-para-asegurarnos-que-se-ajusta-apropiadamente.
probar-hipótesis-y-cuantificar-el-tamaño-del-efecto.
qué-pasa-con-los-posibles-factores-de-confusión-confounds
determinar-el-modelo-apropiado
obtener-ayuda
doing-reproducible-research
cómo-pensamos-que-funciona-la-ciencia
cómo-funciona-a-veces-realmente-la-ciencia
la-crisis-de-reproducibilidad-en-la-ciencia
valor-predictivo-positivo-y-significatividad-estadística
la-maldición-del-ganador
prácticas-cuestionables-de-investigación
esp-o-qrp
hacer-investigación-reproducible
pre-registro
prácticas-reproducibles
replicación
hacer-análisis-de-datos-reproducibles
conclusión-hacer-mejor-ciencia
objetivos-de-aprendizaje-15
lecturas-sugeridas-11