En esta monograf a se intenta llevar al lector desde la definici n de probabilidad hasta la estimaci n bayesiana de par metros, comentando las diferencias, as como los inconvenientes y ventajas, entre el enfoque cl sico y el bayesiano Est dirigida a lectores con un conocimiento de Matem ticas y de Estad stica, al menos, de nivel de bachillerato, por lo que es asequible para cualquier estudiante de primer curso de todas las carreras donde se imparta una asignatura de Estad stica En los dos primeros cap tulos se expone la aplicaci n general del enfoque bayesiano en el an lisis de datos, empezando por las distintas definiciones de probabilidad y sus propiedades, siguiendo con los conceptos de distribuci n a priori, distribuci n a posteriori y funci n de verosimilitud, y terminando con la expresi n general en la inferencia bayesiana Cada concepto se ilustra con ejemplos num ricos En los siguientes cap tulos se estudia la inferencia bayesiana para los casos particulares de la proporci n, la media y la varianza de una poblaci n discuti ndose la elecci n de la distribuci n a priori en cada caso Los resultados se acompa an de ejemplos y gr ficas Las distribuciones que se necesitan y sus propiedades se incluyen en ap ndices, donde se desarrollan paso a paso las operaciones necesarias para obtener los resultados, con la intenci n de que el lector interesado pueda seguirlos Los ejemplos est n resueltos en una hoja de c lculo, en los casos m s complejos se dan las expresiones matem ticas necesarias en cada casilla de la hoja de c lculo para obtener el resultado, facilitando al lector la aplicaci n de los resultados a sus datos En el ltimo cap tulo se exponen las diferencias entre el enfoque bayesiano y el cl sico, as como la regla de Jeffreys para la elecci n de la distribuci n a priori.