1- Economía 48 Filosofía

2- Ciencia Política 49 Historia

3- Geografía 50 Teología
4- Psicología 51 Semiótica
5- Sociología 52 Semiología
6- Antropología 53 Sociología jurídica
7- Demografía 54 Trabajo Social
8- Historia 55 Pedagogía
9- Lingüística
10- Arqueología
11- Astronomía
12- Matemáticas
13- Biología
14- Botánica
15- Ecología
16- Zoología.
17- Microbiología
18- Ciencias de la Tierra
20- Geología
21- Geografía
22- Oceanografía
23- Física
24- química
25- Bioquímica
26- Antropología
27- Economía
28- Lingüística
29- Psicología
30- Psicopedagogía
31- Sociología
32- Ciencia política
33- Arqueología
34- Demografía
35- Derecho
36 educación
37 ecología humana
39 etnografía
40 Etnología
41 Geografía humana
42 Pedagogía
43 Urbanismo
44 Bibliotecología
45 Historia económica y social
46 Didáctica
47 Ciencias de la Comunicación
 frecuencia histórica de la estadística y su etimología

En estadística, la frecuencia (o frecuencia absoluta) de un evento es el número de veces en que

dicho evento se repite durante un experimento o muestra estadística.1 Comúnmente, la
distribución de la frecuencia suele visualizarse con el uso de histogramas.

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.

Objetivos de la Metodología Estadística.

Plantear: en todo tipo de investigación cuantitativa es principal, plantear detalladamente el

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.

Unir: el fundamento principal de la estadística es la cuantificación de los elementos desde una

muestra o cifra de observaciones.

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.

estadística distribuciones de pearson

En estadística, la distribución de Pearson, llamada también ji cuadrada(o) o chi cuadrado(a) (χ²), es

una distribución de probabilidad continua con un parámetro k que representa los grados de
libertad de la variable aleatoria.

Aplicaciones

Tiene muchas aplicaciones en inferencia estadística. La más conocida es la de la denominada

prueba χ² utilizada como prueba de independencia y como prueba de bondad de ajuste y en la
estimación de varianzas. Pero también está involucrada en el problema de estimar la media de una
población normalmente distribuida y en el problema de estimar la pendiente de una recta de
regresión lineal, a través de su papel en la distribución t de Student.

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 .

DISTRIBUCIONES CONTINUAS DISTRIBUCIÓN UNIFORME O RECTANGULAR

Sea X es una variable bariable aleatoria continua con distribución uniforme dado por:

2 Gráficamente f(x)

Donde su función acumulativa en distribución esta dada por:

3 Teorema : si x se distribuye uniformemente entonces

4 Hallar la función de densidad:

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.

Hallar la función de densidad:

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

deben satisfacer las condiciones

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.

estadística distribución de student

Aparece de manera natural al realizar la prueba t de Student para la determinación de las

diferencias entre dos varianzas muestrales y para la construcción del intervalo de confianza para la
diferencia entre las partes de dos poblaciones cuando se desconoce la desviación típica de una
población y ésta debe ser estimada a partir de los datos de una muestra.

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.

Su función de densidad es de la forma:

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).

Propiedades de la distribución Gamma

Su esperanza es pα.

Su varianza es pα2

La distribución Gamma (α, p = 1) es una distribución Exponencial de parámetro α. Es decir, el

modelo Exponencial es un caso particular de la Gamma con p = 1.
Dadas dos variables aleatorias con distribución Gamma y parámetro α común

X ~ G(α, p1) y Y ~ G(α, p2)

se cumplirá que la suma también sigue una distribución Gamma

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.

Ambas formas son iguales a 1

Cuando ambas formas son iguales a 1, la distribución beta es la distribución uniforme.
Ambas formas son menores que 1
Cuando ambas formas son menores que 1, la distribución tiene forma de U.

Ambas formas son iguales y son mayores que 1

Cuando ambas formas son iguales y mayores que 1, la distribución es simétrica.

La primera forma es mayor que la segunda forma

Cuando la primera forma es mayor que la segunda forma, la distribución es
asimétrica hacia la izquierda.

La primera forma es menor que la segunda forma

Cuando la primera forma es menor que la segunda forma, la distribución es
asimétrica hacia la derecha.
https://slideplayer.es/slide/1731870/

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/