Estadística descriptiva.

--Prólogo.
-Capítulo 1.- Introducción a la estadística. Conceptos preliminares
-Capítulo 2.- Distribuciones de frecuencias unidimensionales o univariantes
-Capítulo 3.- Análisis numérico de una variable medible (I): medidas de centralización o de tendencia central
-Capítulo 4.- Análisis numérico de una variable medible (II):principales medidas de dispersión y medidas de forma
-Capítulo 5.- Análisis numérico de una variable medible (III): otras medidas de posición, de dispersión, de concentración y de forma
-Capítulo 6.- Descripción conjunta de varias variables: distribuciones de frecuencias y correlación
-Capítulo 7.- Teoría de la correlación: introducción a la regresión lineal simple
-Capítulo 8.- Conceptos básicos de probabilidad
-Capítulo 9.- Variables aleatorias. Modelos univariantes de distribuciones de probabilidad discretas
-Capítulo10.- Modelos univariantes de distribuciones de probabilidad continuas

Este manual está especialmente concebido para todos aquellos estudiantes que deben seguir un curso de estadística básica en la modalidad de enseñanza a distancia. Está dividido en diez capítulos, cada uno de los cuales engloba todos los contenidos teóricos necesarios para la comprensión de los distintos conceptos estadísticos que en cada uno de ellos se estudian, y una extensa parte práctica con ejercicios planteados y el proceso completo que conduce a su resolución, además de una amplia batería de ejercicios propuestos con la solución final. El conjunto de los capítulos que integran la obra desarrollan los fundamentos tanto de la estadística descriptiva de las variables estadísticas univariantes (distribuciones de frecuencias, medidas de centralización, de dispersión, de localización, de simetría y de forma) y de las variables estadísticas multivariantes (distribuciones de frecuencias bivariantes y recta de regresión lineal), cuanto de la estadística teórica, incluyendo las nociones fundamentales de la teoría de la probabilidad y de las variables aleatorias discretas y continuas, así como sus más importantes modelos de distribuciones de probabilidad.