Documente Academic
Documente Profesional
Documente Cultură
estadística y su metodología
La metodología y la estadística son dos ramas de conocimientos importantes para llevar a cabo un
estudio científico. La metodología permite diseñar el estudio con un soporte en sus características
e importancia; establece cuales son las variables que influyen en el estudio, las técnicas de control,
tipos y planteamientos de la investigación. La estadística también es importante en la conducta del
individuo, permite organizar, resumir, recopilar, analizar y representar los datos y la preparación de
conclusiones válidas, además proporciona tomar decisiones lógicas fundamentadas en el análisis
estadístico.
Los métodos estadísticos posibilitan ejecutar la investigación y conseguir conclusiones con base de
cierta disciplina en los estudios psicológicos, siendo importantes en las habilidades del psicólogo
sin interesar cual sea la dirección o campo de estudio.
Debatir: se refiere a opinar sobre cualquier tema dichos anteriormente, o sobre otro tema
interesante.
Solucionar: proponer una solución específica que ayude a cualquier tema en estudio.
Clases de estadística
Descriptiva
Inferencial: La estadística inferencial también se le llama estadística inductiva, que por su parte
analiza y estudia los datos más allá de sus resultados, es decir, que logra llegar a conclusiones
usando los datos aportados, pero valiéndose de él cálculo de probabilidades. Logrando así estimar
las propiedades con las cuales cuenta la muestra o población. Aunque se vale de los datos dados
por la estadística descriptiva, su análisis y estudio es más amplio. En fin, se encarga de analizar y
estudiar los datos más allá los resultados y a partir de ahí concluir valiéndose en las
probabilidades.
Aplicaciones
Aparece también en todos los problemas de análisis de varianza por su relación con la distribución
F de Snedecor, que es la distribución del cociente de dos variables aleatorias independientes con
distribución χ².
X = Z ²1+...... + Z²k
Donde Zi son variables aleatorias normales independientes de media cero y varianza uno. El que la
variable aleatoria X tenga ésta distribución se representa habitualmente así: X~X²k .
Sea X es una variable bariable aleatoria continua con distribución uniforme dado por:
2 Gráficamente f(x)
EJEMPLO: Sea X el ángulo entre una dirección fijada y la dirección de la aguja de una brújula
(Según Gráfico). Si la brújula trabaja podemos suponer que la probabilidad P(X x) es igual a la razón
del ángulo x y el ángulo total 2 representada por la función de distribución.
5 DISTRIBUCIÓN NORMAL
Definición.- La variable aleatoria X que toma todos los valores reales -, tiene una distribución
normal (o gausiana). Si su función de densidad es de la forma
Los parámetros
6 El gráfico de la función tiene forma acampanada asintótica al eje X, simétrica con respecto al
Centroide Vertical (recta perpendicular al eje x que pasa por x =) y continua en todo R.
es una distribución de probabilidad que surge del problema de estimar la media de una población
normalmente distribuida cuando el tamaño de la muestra es pequeño.
La distribución Gamma
Este modelo es una generalización del modelo Exponencial ya que, en ocasiones, se utiliza para
modelar variables que describen el tiempo hasta que se produce p veces un determinado suceso.
Como vemos, este modelo depende de dos parámetros positivos: α y p. La función Γ(p) es la
denominada función Gamma de Euler que representa la siguiente integral:
que verifica Γ(p + 1) = pΓ(p), con lo que, si p es un número entero positivo, Γ(p + 1) = p!
El siguiente programa permite visualizar la forma de la función de densidad de este modelo (para
simplificar, se ha restringido al caso en que p es un número entero).
Su esperanza es pα.
Su varianza es pα2
X + Y ~ G(α, p1 + p2).
Una consecuencia inmediata de esta propiedad es que, si tenemos k variables aleatorias con
distribución Exponencial de parámetro α (común) e independientes, la suma de todas ellas seguirá
una distribución G(α, k).
Utilice la distribución beta para variables aleatorias entre 0 y 1. La distribución beta suele utilizarse
para modelar la distribución de estadísticos de orden (por ejemplo, el estadístico de orden késimo
de una muestra de variables n uniformes (0, 1) tiene una distribución beta (k, n + 1 – k)) y para
modelar eventos que se definen por valos mínimos y máximos. La escala de la distribución beta
suele modificarse para modelar el tiempo hasta la culminación de una tarea. La distribución beta
también se usa en estadísticas bayesianas, por ejemplo, como la distribución de valores previos de
una probabilidad binomial.
distribución de beta
La distribución beta es una distribución continúa definida por dos parámetros de forma. La
distribución puede adoptar diferentes formas dependiendo de los valores de los dos parámetros.
https://www.uv.es/ceaces/normaMu/chi2/chi2.htm
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo4/B0C4m1t7.htm
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-
random-data/supporting-topics/distributions/beta-distribution/