Probabilidad y estadística. Aplicaciones a la ingeniería y ciencias, escrito por dos destacados y reconocidos docentes e investigadores mexicanos que cuentan con más de treinta años de experiencia, surge hoy día como uno de los mejores libros de esta materia, entre otras cosas a que se concibió y desarrolló como un texto base que proporciona a los alumnos de las carreras de ingeniería y ciencias todas las herramientas necesarias de la probabilidad y estadística que serán de utilidad a lo largo de su vida académica y profesional.
Derivado de la sencillez y facilidad con que los autores exponen lo temas más destacados de la probabilidad y estadística, se considera un texto flexible y muy sencillo. Como rasgo distintivo, a diferencia de otros libros, Probabilidad y estadística. Aplicaciones a la ingeniería y ciencias expone conceptos que son la base para desarrollos teóricos más complejos. Cada tema tratado es reforzado con una gran cantidad de ejemplos y ejercicios prácticos, que se incluyen en más de 1600 ejercicios, con más de 2800 incisos. Además, el lector puede tener acceso y consultar las soluciones y sugerencias para la mayoría de los problemas en el CD-ROM que acompaña al libro.
Además en el CD-ROM se incluye un capítulo detallado acerca de la regresión lineal simple y múltiple, que también se puede descargar en algún dispositivo electrónico, para un fácil acceso a este.
 

Capítulo   1     Bases de la probabilidad  
1.1   modelos determinísticos y probabilísticos
2.2   Interpretaciones de la probabilidad
1.3   Algebra de eventos
1.4   Axiomatización de la probabilidad
Capítulo   2    Técnicas de conteo y probabilidad
2.1   Regla de la multiplicación
2.2   Diagrama de árbol
2.3   Arreglos con y sin repetición
2.4   Combinaciones
2.5   Regla de la suma
2.6   Aplicación de las técnicas de conteo a la probabilidad
Capítulo   3    Probabilidad condicional
3.1   Probabilidad condicional
3.2   Regla de la multiplicación de probabilidades
3.3   Teorema de Bayes
3.4   Eventos independientes
Capítulo   4    Variables aleatorias discretas
4.1   Variables aleatorias
4.2   Variables aleatorias discretas
4.3   Función de una variable aleatoria discreta
4.4   Valor esperado de una vad
4.5   Variancia de un avad
4.6   Generadores de números aleatorios discretos
Capítulo   5    Modelos discretos de probabilidad
5.1   Modelo uniforme discreto
5.2   Modelos de Bernoulli y BINOMIAL
5.3   Modelo geométrico
5.4   Modelo de Pascal o binomial negativa
5.5   Modelo hipergeométrico
5.6   Modelo de Poisson
Capítulo   6    Variables aleatorias continuas
6.1   Variables aleatorias continuas
6.2   Valor esperado y variancia de una variable aleatoria continua
6.3   Desigualdad de Chebyshev
6.4   Generadores de números aleatorios con la función de distribución acumulada, caso continuo
Capítulo   7    Modelos continuos de probabilidad
7.1   Modelo uniforme continuo
7.2   Modelo triangular
7.3   Modelo exponencial
7.4   Modelo normal
7.5   Aproximación de la binomial por normal
7.6   Modelos de probabilidad tipo gamma
7.7   Modelos de probabilidad tipo Erlang
7.8   Modelos de probabilidad tipo Weibull
7.9   Modelos lognormal
7.10 Modelos de probabilidad tipo beta
7.11 Distribución ji cuadrada
7.12 Distribución t-Student
7.13 Distribución F
Capítulo   8    Variables aleatorias conjuntas y transformaciones
8.1   Multivariables discretas
8.2   Multivariables continuas
8.3  Transformación de variables con la función de distribución acumulada
8.4   Funciones generadoras de momentos
8.5   Técnica de jacobianos para transformar variables aleatorias
8.6   Transformaciones y relaciones entre normales
Capítulo   9    Estadística descriptiva para datos no agrupados
9.1   Estadística
9.2   Población y muestra
9.3   Técnicas de muestreo
9.4   Parámetros y estadísticos
9.5   Medidas centrales
9.6   Cuantiles
9.7   Medidas de dispersión
9.8   Parámetros de forma en la distribución de la muestra
9.9   Aplicación de las medidas para datos no agrupados a inversiones
Capítulo   10    Estadística descriptiva para datos agrupados
10.1 Clases de frecuencia
10.2 Medidas centrales en clases de frecuencia
10.3 Cuantiles
10.4 Medidas de dispersión en clases de frecuencias
10.5 Gráficos
10.6 Asimetría y curtosis
10.7 Aplicación de las graficas a pruebas de bondad de ajuste
Capítulo   11    Distribuciones muéstrales y teorema central del límite
11.1 Muestra aleatoria
11.2 Estadísticas importantes
11.3 Distribuciones muéstrales asociadas a la normal
11.4 Distribuciones de Bernoulli
11.5 Introducción a las estadísticas de orden
11.6 Teorema central del límite media y suma muestral
11.7 Teorema central del límite para diferencia de medias
11.8 Teorema central del límite para proporciones
11.9 Teorema central del límite para distribuciones especificas
11.10 Ley de los grandes números
Capítulo   12    Estimación puntual y por intervalos de confianza
12.1 Conceptos básicos sobre estimadores puntuales
12.2 Estadísticas suficientes
12.3 Error cuadrado medio
12.4 Propiedades asintóticas deseables de los estimadores
12.5 Conceptos básicos de los intervalos de confianza
12.6 Intervalos de confianza para los parámetros de una población normal
12.7 Intervalos de confianza para comparar dos poblaciones    
12.8 Intervalos de confianza para proporciones
Capítulo   13    Metodología para pruebas de hipótesis sobre los parámetros de una distribución normal
13.1 Conceptos básicos sobre pruebas de hipótesis
13.2 Pruebas de hipótesis para los parámetros de una distribución normal
13.3 Pruebas de hipótesis para comparar dos poblaciones normales
13.4 Pruebas para poblaciones tipo Bernoulli, proporciones
Capítulo   14    Regresión lineal simple y múltiple (véase en el CD-ROM)
14.1 Regresión lineal simple
14.2 Método de mínimos cuadrados para optimizar el error
14.3 Error estándar de estimación y propiedades de los estimadores
14.4 Prueba de hipótesis para el parámetro de la pendiente
14.5 Coeficientes de correlación y determinación
14.6 Intervalos de confianza para la predicción y estimación
14.7 Regresión lineal múltiple