Professional Documents
Culture Documents
Cdigo
: 204006
Prerrequisito
: 203005 Estadstica I
Crditos
: Cuatro (4)
Horas Semanales
: Cinco (Teora 3, Prctica 2)
Ciclo Acadmico
: Cuarto
Rgimen
: Obligatorio
Duracin
: 17 semanas
Semestre Acadmico : 2015-I
Docentes : Dra. Ilse Villavicencio Ramrez
(Seccin 1)
Lic. S. Orlando Giraldo Laguna
(Seccin 2 - Cordinador)
Lic. Jacinto Pedro Mendoza Sols (Seccin 3)
2. SUMILLA:
La asignatura corresponde al rea de formacin profesional general del Ingeniero de Sistemas, es de
carcter terico-prctico. Comprende el desarrollo de los temas fundamentales de la teora de la
probabilidad y de la inferencia estadstica paramtrica. Los contenidos estn agrupados en 5
unidades. Primera unidad: Espacio de probabilidad. Segunda unidad: Variable aleatoria,
caractersticas numricas y distribucin de probabilidad. Tercera unidad: Conceptos bsicos de
inferencia estadstica, muestreo y distribuciones muestrales. Cuarta unidad: Estimacin de
parmetros. Quinta unidad: Contraste de hiptesis.
3. COMPETENCIAS
3.1 COMPETENCIA GENERAL:
El estudiante, al concluir la asignatura, estar capacitado en altos niveles de competencia para
aplicar conceptos, principios y tcnicas para el clculo de probabilidades; asociar modelos
probabilsticos a fenmenos del mundo real; aplicar tcnicas de muestreo adecuadas al contexto del
problema que se aborda; utilizar adecuadamente las distribuciones muestrales; determinar tamaos
de muestra adecuados a situaciones particulares; construir intervalos de confianza para estimar
parmetros de inters; contrastar hiptesis, valorando la importancia de la estadstica en el ejercicio
profesional.
3.2 COMPETENCIAS ESPECFICAS:
Aplicar conceptos, principios y tcnicas para el clculo de probabilidades, en espacios
muestrales finitos e infinito numerables, valorando su importancia en la aplicacin a situaciones
reales.
Identificar conceptos, principios y tcnicas para el modelado de fenmenos aleatorios, usando el
enfoque de variable aleatoria, evaluando las caractersticas numricas y construyendo modelos
de probabilidad, valorando la importancia de su aplicacin en espacios muestrales infinito no
numerables.
Definir y aplicar conceptos, principios y tcnicas para la eleccin de una muestra aleatoria,
haciendo uso de las distribuciones muestrales, valorando su importancia en el proceso de
inferencia estadstica.
Definir y aplicar conceptos, principios y tcnicas para la construccin de intervalos de confianza,
un aspecto de la inferencia estadstica que permite estimar parmetros, valorando la importancia
de su uso en muchas reas del quehacer humano.
Definir y aplicar conceptos, principios y tcnicas para la prueba de hiptesis, contrastando la teora y
la realidad mediante una muestra, valorando su importancia como un problema de decisin de mucha
aplicacin en el quehacer profesional del ingeniero de sistemas.
4. METODO DE ENSEANZA/APRENDIZAJE
El docente, desarrollar la asignatura siguiendo criterios de mediacin, usando el mtodo inductivo,
flexible, participativo y constructivo. Las clases sern expositivas, con un enfoque terico-prctico,
promoviendo permanentemente la participacin activa de los estudiantes. Con este fin, se utilizar
las tcnicas de exposicin participativa, talleres y prcticas guiadas. Se elaborarn guas de
prcticas, orientadas a que el estudiante refuerce los conocimientos adquiridos en las clases tericas.
Se har uso de los medios de cmputo y de software estadstico para el procesamiento de los datos y
anlisis de la informacin.
Los estudiantes, participarn activamente a travs del desarrollo de problemas, estudio de casos,
talleres de creatividad, formando grupos pequeos de trabajo cooperativo.
5. PROGRAMACION DE CONTENIDOS
UNIDAD 1: ESPACIO DE PROBABILIDAD
COMPETENCIA:
Aplicar conceptos, principios y tcnicas para el clculo de probabilidades, en espacios muestrales
finitos e infinito numerables, valorando su importancia en la aplicacin a situaciones reales.
CAPACIDADES
Identifica fenmenos aleatorios, caracterizndolos completamente.
Describe, en un nivel aceptable, el espacio muestral asociado a un fenmeno aleatorio,
listando sus elementos por extensin y por comprensin.
Construye eventos y realiza operaciones con ellos, aplicando la teora de conjuntos.
Define axiomticamente la probabilidad, conoce sus propiedades y las demuestra.
Resuelve, en un nivel aceptable, probabilidades de eventos simples y compuestos, usando
propiedades bsicas y tcnicas de conteo.
Calcula probabilidades de eventos dependientes e independientes, haciendo un manejo
adecuado de sus propiedades.
SEM
.
CONTENIDOS
CONCEPTUALES
TEORIA
Fenmenos Aleatorios.
Espacio
Muestral
Asociado.
Eventos: Ocurrencia y
Operaciones
con
Eventos.
Probabilidad:
Propiedades
PRACTICA
Prctica dirigida sobre
fenmeno aleatorio, espacio
muestral, eventos.
TEORIA
Asignacin
de
Probabilidades a Eventos
en Espacios Finitos.
Mtodos
de
ESTRATEGIAS
DIDACTICAS
Mtodos: Deductivo,
lgico, activo, flexible,
de trabajo colectivo.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
de trabajo.
Mtodos: Deductivo,
lgico, activo, de
trabajo colectivo,
analtico.
Tcnicas: Expositiva
EVALUACION
CRITERIOS
INSTRUMENTOS
Comprensin y
aplicacin
Resolucin de ejercicios
y problemas, pruebas
especficas.
Comprensin
aplicacin y
anlisis,
Resolucin de ejercicios
y problemas, pruebas
especficas.
Enumeracin.
Aplicaciones.
PRACTICA
Prctica dirigida sobre
asignacin
de
probabilidades, aplicando
tcnicas de conteo.
TEORIA
Probabilidad
Condicional: Definicin,
Propiedades.
Teorema
de
Multiplicacin. Teorema
de Probabilidad Total.
Teorema de Bayes.
Independencia
de
Eventos:
Definicin,
Propiedades.
PRACTICA
Mtodos: Deductivo,
lgico, activo, flexible,
de trabajo colectivo,
analtico.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
de trabajo.
Comprensin
aplicacin y
anlisis.
Resolucin de ejercicios
y problemas, pruebas
especficas, prctica
calificada.
PRIMERA PRACTICA
CALIFICADA
BIBLIOGRAFA:
CONTENIDOS
CONCEPTUALES
ESTRATEGIAS
DIDACTICAS
EVALUACION
CRITERIOS
INSTRUMENTOS
TEORIA
Mtodos: Deductivo,
lgico, activo,
flexible, de trabajo
colectivo.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.
Comprensin y
aplicacin.
Resolucin de ejercicios
y problemas, pruebas
especficas.
PRACTICA
Prctica dirigida sobre variable
aleatoria y distribucin de
probabilidad.
TEORIA
Esperanza Matemtica de
una
Variable
Aleatoria:
Definicin. Propiedades.
Varianza de una Variable
Aleatoria:
Definicin.
Propiedades.
PRACTICA
Prctica
dirigida
sobre
esperanza y varianza de una
variable aleatoria.
Mtodos: Deductivo,
lgico, activo, de
trabajo colectivo.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.
Comprensin y
aplicacin.
Resolucin de ejercicios
y problemas, pruebas
especficas.
TEORIA
Distribuciones Especiales de
Variable Discreta: Bernoulli;
Binomial;
Poisson;
Geomtrica;
Pascal;
Hipergeomtrica.
PRACTICA
Prctica
dirigida
sobre
distribuciones especiales de
variable discreta.
TEORIA
Distribuciones Especiales de
Variable
Continua:
Uniforme;
Exponencial;
Normal:
Propiedades,
Estandarizacin, Manejo de
Tabla.
PRACTICA
Prctica dirigida sobre
distribuciones especiales de
variable continua.
Mtodos: Analgico,
lgico, activo,
flexible, de trabajo
colectivo, sinttico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.
Mtodos: Deductivo,
lgico, activo,
flexible, de trabajo
colectivo.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.
Comprensin
aplicacin y
anlisis.
Comprensin
aplicacin y
anlisis.
Resolucin de ejercicios
y problemas, pruebas
especficas.
Resolucin de ejercicios
y problemas, pruebas
especficas, examen
parcial.
EXAMEN PARCIAL
BIBLIOGRAFA:
Definir y aplicar conceptos, principios y tcnicas para la eleccin de una muestra aleatoria, tomando en
cuenta los diferentes diseos de muestreo, haciendo uso de las distribuciones muestrales, valorando su
importancia en el proceso de inferencia estadstica.
CAPACIDADES
Define, distingue y aplica correctamente los conceptos bsicos de la inferencia estadstica.
Clasifica y establece diferencias entre los mtodos de muestreo probabilstico, de modo tal que, de
acuerdo al contexto del problema que aborde, selecciona una muestra aleatoria aplicando el diseo
muestral correspondiente.
Distingue y utiliza adecuadamente las distribuciones en el muestreo, establece relaciones entre ellas,
calcula probabilidades mediante el uso de tablas y software estadstico, y aplica sus propiedades.
Distingue y hace uso correcto de las distribuciones muestrales correspondientes a cada una de las
estadsticas propuestas.
Utiliza, en un nivel aceptable, el Teorema del Lmite Central, valorando la importancia de su uso en
las aplicaciones prcticas.
SEM
.
CONTENIDOS
CONCEPTUALES
TEORIA
Conceptos
Bsicos
de
Inferencia
Estadstica:
Poblacin
Estadstica.
Muestra
Aleatoria.
Parmetros.
Estadsticas.
Estimador. Estimacin.
Inferencia
Estadstica:
Estimacin de Parmetros y
Prueba de Hiptesis.
Mtodos
comunes
de
Muestreo Aleatorio.
Distribuciones en el muestreo:
Ji Cuadrado; t de Student; F
de Snedecor. Uso de Tablas.
ESTRATEGIAS
DIDACTICAS
Mtodos: Deductivo,
lgico, activo, flexible,
de trabajo colectivo.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
de trabajo.
EVALUACION
CRITERIOS
INSTRUMENTOS
Comprensin
y aplicacin.
Resolucin de
ejercicios y problemas,
pruebas especficas.
PRACTICA
Prctica
dirigida
sobre
distribuciones en el muestreo.
10
TEORIA
Distribuciones
Muestrales:
Distribucin Muestral de la
Media Muestral.
Teorema del Lmite Central.
Distribucin Muestral de la
Varianza Muestral.
Distribucin Muestral de la
Proporcin Muestral.
PRACTICA
Mtodos: Deductivo,
lgico, activo, flexible,
de trabajo colectivo.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
de trabajo.
Comprensin
y aplicacin.
Resolucin de
ejercicios y problemas,
pruebas especficas.
Prctica
dirigida
sobre
distribuciones muestrales.
BIBLIOGRAFIA
Larson, H., Introduccin a la Teora de Probabilidad e Inferencia Estadstica. Limusa, 1989.
Mtacc Meza Mximo, Estadstica Descriptiva y Probabilidad. Editorial San Marcos.Vliz Capuay
Carlos, Estadstica. Aplicaciones. Editorial San Marcos. 2000.
UNIDAD 4: ESTIMACION DE PARAMETROS
COMPETENCIA
Definir y aplicar conceptos, principios y tcnicas para la construccin de intervalos de confianza, un aspecto
de la inferencia estadstica que permite estimar parmetros, valorando la importancia de su uso en el rea de
ingeniera de sistemas.
CAPACIDADES
Determina la razn por la que se hace estimacin de parmetros.
Identifica y distingue las propiedades de un estimador puntual y las aplica correctamente.
Construye y aplica intervalos de confianza para estimar el parmetro de una poblacin,
utilizando una muestra.
Construye y aplica intervalos de confianza para estimar parmetros de dos poblaciones
independientes, utilizando dos muestras.
SEM
.
11
CONTENIDOS
CONCEPTUALES
TEORIA
Estimacin
Puntual.
Propiedades
de
los
Estimadores. Estimacin
por Intervalos. Intervalo de
Confianza para la Media de
una Poblacin Normal. Casos.
Intervalo de Confianza para la
Varianza de una Poblacin
Normal.
Intervalo de Confianza para la
Proporcin de una Poblacin
de Bernoulli.
ESTRATEGIAS
DIDACTICAS
Mtodos: Inductivo,
lgico, activo,
flexible, de trabajo
colectivo, sinttico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.
EVALUACION
CRITERIOS
INSTRUMENTOS
Comprensin
aplicacin,
sntesis.
Resolucin de ejercicios
y problemas, pruebas
especficas.
Comprensin
aplicacin,
sntesis.
Resolucin de ejercicios
y problemas, pruebas
especficas, prctica
calificada
PRACTICA
TEORIA
Mtodos: Inductivo,
lgico, activo,
flexible, de trabajo
colectivo, sinttico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.
Diferencia de Proporciones en
Poblaciones de Bernoulli.
PRACTICA
Prctica
dirigida
sobre
intervalos de confianza para
dos parmetros.
SEGUNDA
CALIFICADA
BIBLIOGRAFA:
PRACTICA
Definir y aplicar conceptos, principios y tcnicas para la prueba de hiptesis, mediante una muestra,
valorando la importancia de su uso como un problema de decisin, de mucha aplicacin en el quehacer
profesional del ingeniero de sistemas.
CAPACIDADES
Define, distingue y aplica correctamente los conceptos bsicos de la prueba de hiptesis.
Determina la razn por la que se hace prueba de hiptesis.
Formula una hiptesis estadstica referente al valor de un parmetro, realiza el contraste
siguiendo el procedimiento adecuado, toma una decisin y la interpreta.
Compara dos parmetros siguiendo el procedimiento de prueba de hiptesis, toma una decisin y
la interpreta, valorando la importancia de su uso en el quehacer profesional del ingeniero de
sistemas.
SEM
.
CONTENIDOS
CONCEPTUALES
ESTRATEGIAS
DIDACTICAS
EVALUACION
CRITERIOS
INSTRUMENTOS
TEORIA
13
Mtodos: Inductivo,
lgico, activo,
flexible, de trabajo
colectivo.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.
Comprensin
aplicacin,
sntesis,
evaluacin.
Resolucin de
ejercicios y problemas,
pruebas especficas.
PRACTICA
TEORIA
Mtodos: Inductivo,
lgico, activo,
flexible, de trabajo
colectivo, sinttico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.
Comprensin
aplicacin,
sntesis.,
evaluacin.
Resolucin de
ejercicios y problemas,
pruebas especficas.
Proporciones Poblacionales.
PRACTICA
15
Mtodos: Inductivo,
lgico, activo,
flexible, de trabajo
colectivo, sinttico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.
Comprensin
aplicacin,
sntesis.,
evaluacin.
Resolucin de
ejercicios y problemas,
pruebas especficas,
examen final.
PRACTICA
16
17
BIBLIOGRAFIA
Jay L. Devore, Probabilidad y Estadstica para Ingeniera y Ciencias. CENGAGE Learning. Sptima
Edicin, 2008.
Hines & Montgomery, Probabilidad y Estadstica para Ingeniera y Administracin. CECSA, 1986.
Mendenhall & Sincich, Probabilidad y Estadstica para Ingeniera y Ciencias. Prentice-Hall, 4
Edicin. 1997.
Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. 4 Edicin. 1996.
6. EVALUACION
PORCENTAJE
0.3
0.3
0.3
0.1
7. BIBLIOGRAFIA
BSICA
1. Jay L. Devore, Probabilidad y Estadstica para Ingeniera y Ciencias. CENGAGE Learning.
Sptima Edicin, 2008.
2. Freund & Miller & Miller, Estadstica Matemtica con Aplicaciones. Pearson Educacin. 6
Edicin.
3. Freund & Walpole, Estadstica Matemtica con Aplicaciones. Prentice-Hall, 4 Edicin, 1990.
4. Hines & Montgomery, Probabilidad y Estadstica para Ingeniera y Administracin. CECSA,
1986.
5. Mendenhall, Scheaffer, Wackerly, Estadstica Matemtica con Aplicaciones. Grupo Editorial
Iberoamrica. 1986.
6. Mendenhall & Sincich, Probabilidad y Estadstica para Ingeniera y Ciencias. Prentice-Hall 4
Edicin. 1997.
7. Montgomery & Runger, Probabilidad y Estadstica aplicados a la Ingeniera. McGraw-Hill. 1
Edicin. 1996.
8. Scheaffer & McClave, Probabilidad y Estadstica para Ingeniera. Grupo Editorial
Iberoamrica. 1993.
9. Vliz Capuay Carlos, Estadstica. Aplicaciones. Editorial San Marcos. 2000.
10. Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. Cuarta edicin. 1992
COMPLEMENTARIA
1. Johnson Robert, Estadstica Elemental. Trillas. 2 Edicin.
2. Larson, H., Introduccin a la Teora de Probabilidad e Inferencia Estadstica. Limusa, 1989.
3. Meyer, P., Probabilidad y Aplicaciones Estadsticas. Addison-Wesley Iberoamericana, 1992.
4. Mtacc Meza Mximo, Estadstica Descriptiva y Probabilidad. Editorial San Marcos.
5. Mtacc Meza Mximo, Tpicos de Inferencia Estadstica. Editorial San Marcos.
6. Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. 4 Edicin. 1996.