En esta monografía se intenta llevar al lector desde la definición deprobabilidad hasta la estimación bayesiana de parámetros, comentandolas diferencias, así como los inconvenientes y ventajas, entre elenfoque clásico y el bayesiano. Está dirigida a lectores con unconocimiento de Matemáticas y de Estadística, al menos, de nivel debachillerato, por lo que es asequible para cualquier estudiante deprimer curso de todas las carreras donde se imparta una asignatura deEstadística. En los dos primeros capítulos se expone la aplicacióngeneral del enfoque bayesiano en el análisis de datos, empezando porlas distintas definiciones de probabilidad y sus propiedades,siguiendo con los conceptos de distribución a priori, distribución aposteriori y función de verosimilitud, y terminando con la expresióngeneral en la inferencia bayesiana. Cada concepto se ilustra conejemplos numéricos. En los siguientes capítulos se estudia lainferencia bayesiana para los casos particulares de la proporción, lamedia y la varianza de una población discutiéndose la elección de ladistribución a priori en cada caso. Los resultados se acompañan deejemplos y gráficas. Las distribuciones que se necesitan y suspropiedades se incluyen en apéndices, donde se desarrollan paso a paso las operaciones necesarias para obtener los resultados, con laintención de que el lector interesado pueda seguirlos. Los ejemplosestán resueltos en una hoja de cálculo, en los casos más complejos sedan las expresiones matemáticas necesarias en cada casilla de la hojade cálculo para obtener el resultado, facilitando al lector laaplicación de los resultados a sus datos. En el último capítulo seexponen las diferencias entre el enfoque bayesiano y el clásico, asícomo la regla de Jeffreys para la elección de la distribución apriori.
