UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA Escuela Académico Profesional de Ingeniería de Sistemas e Informática

SILABO DE ESTADISTICA II 1. DATOS GENERALES

• • • • • • • • •

Código Prerrequisito Créditos Horas Semanales Ciclo Naturaleza : Régimen Duración Semestre

: 204006 : 203005 – Estadística I : Cuatro (4) : Cinco (Teoría 3, Práctica 2) : Cuarto : Básico de la profesión : Obligatorio : 17 semanas : 2011 – 1

2. SUMILLA: La asignatura es un curso básico, corresponde a la formación profesional del Ingeniero de Sistemas, es de carácter teórico-práctico. Comprende el desarrollo de los temas fundamentales de la C teoría de la probabilidad y de la inferencia estadística paramétrica. Los contenidos están agrupados en 7 unidades. Primera unidad: Espacio de probabilidad. Segunda unidad: Variable aleatoria, características numéricas y distribución de probabilidad. Tercera unidad: Conceptos básicos de inferencia estadística, muestreo y distribuciones muestrales. Cuarta unidad: Estimación de parámetros. Quinta unidad: Contraste de hipótesis. 3. COMPETENCIAS 3.1 COMPETENCIA GENERAL: El estudiante, al concluir la asignatura, estará capacitado en altos niveles de competencia para aplicar conceptos, principios y técnicas para el cálculo de probabilidades; asociar modelos probabilísticos a fenómenos del mundo real; aplicar técnicas de muestreo adecuadas al contexto del problema que se aborda; utilizar adecuadamente las distribuciones muestrales; determinar tamaños de muestra adecuados a situaciones particulares; construir intervalos de confianza para estimar parámetros de interés; contrastar hipótesis, valorando la importancia de la estadística en el ejercicio profesional. 3.2 COMPETENCIAS ESPECÍFICAS: • Aplicar conceptos, principios y técnicas para el cálculo de probabilidades, en espacios muestrales finitos e infinito numerables, valorando su importancia en la aplicación a situaciones reales. • Identificar conceptos, principios y técnicas para el modelado de fenómenos aleatorios, usando el enfoque de variable aleatoria, evaluando las características numéricas y construyendo modelos de probabilidad, valorando la importancia de su aplicación en espacios muestrales infinito no numerables. • Definir y aplicar conceptos, principios y técnicas para la elección de una muestra aleatoria, haciendo uso de las distribuciones muestrales, valorando su importancia en el proceso de inferencia estadística. • Definir y aplicar conceptos, principios y técnicas para la construcción de intervalos de confianza, un aspecto de la inferencia estadística que permite estimar parámetros, valorando la importancia de su uso en muchas áreas del quehacer humano.

lógico. contrastando la teoría y la realidad mediante una muestra. • Construye eventos y realiza operaciones con ellos. colectivo. Espacio Muestral Asociado. Deductivo. valorando su importancia en la aplicación a situaciones reales. SEM. • Calcula probabilidades de eventos dependientes e independientes. participativa. Los estudiantes. estudio de casos. activo. 5. probabilidades de eventos simples y compuestos. caracterizándolos completamente. • Define axiomáticamente la probabilidad. flexible. con un enfoque teórico-práctico. analítico. en espacios muestrales finitos e infinito numerables. eventos. CAPACIDADES • Identifica fenómenos aleatorios. haciendo un manejo adecuado de sus propiedades. conoce sus propiedades y las demuestra. METODO DE ENSEÑANZA/APRENDIZAJE El docente. se utilizará las técnicas de exposición participativa. Con este fin. lógico. CONTENIDOS CONCEPTUALES TEORIA ESTRATEGIAS DIDACTICAS EVALUACION CRITERIO INSTRUMENT S OS 1 Métodos: Fenómenos Aleatorios. Métodos: Comprensión y aplicación Resolución de ejercicios y problemas. Métodos de Enumeración. participativo y constructivo. • Describe. TEORIA material de apoyo. en un nivel aceptable.• Definir y aplicar conceptos. pruebas específicas. PRACTICA Técnicas: Expositiva con Comprensión aplicación y análisis. sesiones de trabajo. Las clases serán expositivas. promoviendo permanentemente la participación activa de los estudiantes. Se hará uso de los medios de cómputo y de software estadístico para el procesamiento de los datos y análisis de la información. principios y técnicas para la prueba de hipótesis. Resolución de ejercicios y problemas. talleres y prácticas guiadas. de Eventos: Ocurrencia y Operaciones con trabajo colectivo. aplicando la teoría de conjuntos. orientadas a que el estudiante refuerce los conocimientos adquiridos en las clases teóricas. espacio muestra. 2 Asignación de Probabilidades a Eventos en Deductivo. valorando su importancia como un problema de decisión de mucha aplicación en el quehacer profesional del ingeniero de sistemas. talleres de creatividad. flexible. 4. listando sus elementos por extensión y por comprensión. Eventos. en un nivel aceptable. Técnicas: Probabilidad. PROGRAMACION DE CONTENIDOS UNIDAD 1: ESPACIO DE PROBABILIDAD COMPETENCIA: Aplicar conceptos. • Resuelve. de trabajo Espacios Finitos. pruebas específicas. desarrollará la asignatura siguiendo criterios de mediación. Se elaborarán guías de prácticas. principios y técnicas para el cálculo de probabilidades. el espacio muestral asociado a un fenómeno aleatorio. Aplicaciones. usando el método inductivo. usando propiedades básicas y técnicas de conteo. . activo. participarán activamente a través del desarrollo de problemas. Propiedades Expositiva con PRACTICA Práctica dirigida sobre fenómeno aleatorio. formando grupos pequeños de trabajo cooperativo.

tanto para variables aleatorias discretas como continuas. • Aplica adecuadamente los conceptos para construir y hacer uso de distribuciones de probabilidad de variable discreta y continua. 1992 UNIDAD 2: VARIABLE ALEATORIA Y DISTRIBUCION DE PROBABILIDAD COMPETENCIA Aplicar conceptos. Editorial San Marcos. Métodos: Deductivo. Estadística Matemática con Aplicaciones. Comprensión y aplicación. participativa. Estadística. McGraw-Hill. sesiones de trabajo. usando el enfoque de variable aleatoria. de trabajo colectivo. Walpole & Myers. principios y técnicas para abordar fenómenos aleatorios. Cuarta edición. flexible. Independencia de Eventos: Definición. • Utiliza las distribuciones de probabilidad para obtener las características numéricas de una variable aleatoria. PRACTICA Práctica dirigida sobre variable aleatoria y distribución de probabilidad. sesiones de trabajo. SEM. Tipos de Variables Aleatorias. • Construye la función de distribución acumulativa de una variable discreta y continua. Función de Distribución Acumulativa de una Variable Aleatoria. Véliz Capuñay Carlos. . CAPACIDADES • Identifica las variables aleatorias y las clasifica según su recorrido. Propiedades. evaluando sus características numéricas y valorando la importancia de su aplicación en espacios muestrales infinito no numerables. Resolución de ejercicios y problemas. Mendenhall. analítico. participativa. CONTENIDOS CONCEPTUALES TEORIA ESTRATEGIAS DIDACTICAS EVALUACION CRITERIO INSTRUMENT S OS 4 Definición de una Variable Aleatoria. construyendo modelos de probabilidad según su tipo. conteo. haciendo un manejo adecuado de sus propiedades. activo. Variable Aleatoria Continua: Función de Densidad y Distribución de probabilidad. Resolución de ejercicios y problemas. lógico. Propiedades. clasificándolas. Variable aleatoria Discreta: Función de Cuantía y Distribución de probabilidad. calculando probabilidades de eventos de todo tipo. Teorema de Multiplicación. lógico. Teorema de Bayes. de trabajo colectivo. Aplicaciones. 1986. práctica calificada. pruebas específicas. Técnicas: Expositiva con material de apoyo. Técnicas: Expositiva con material de apoyo. Scheaffer. PRIMERA PRACTICA CALIFICADA BIBLIOGRAFÍA: Métodos: Deductivo. TEORIA 3 Probabilidad Condicional: Definición. • Identifica y utiliza modelos de probabilidad especiales. PRACTICA Práctica dirigida sobre probabilidad condicional e independencia de eventos. Propiedades. Grupo Editorial Iberoamérica.Práctica dirigida sobre asignación de material de apoyo. activo. aplicando técnicas de participativa. sesiones de trabajo. flexible. probabilidades. Probabilidad y Estadística. asociados a fenómenos del mundo real. Teorema de Probabilidad Total. Wackerly. 2000. pruebas específicas. Comprensión aplicación y análisis.

• Clasifica y establece diferencias entre los métodos de muestreo probabilístico. 1986. valorando su importancia en el proceso de inferencia estadística. Véliz Capuñay Carlos. participativa. pruebas específicas. Poisson. participativa. Scheaffer. Exponencial. 1992 UNIDAD 3: MUESTREO Y DISTRIBUCIONES MUESTRALES COMPETENCIA Definir y aplicar conceptos. Resolución de ejercicios y problemas. Editorial San Marcos. valorando la importancia de su uso en las aplicaciones prácticas. Hipergeométrica. haciendo uso de las distribuciones muestrales. en un nivel aceptable. Estandarización. PRACTICA Práctica dirigida sobre distribuciones especiales de variable discreta. pruebas específicas. Probabilidad y Estadística. sesiones de trabajo. de trabajo colectivo. Técnicas: Expositiva con material de apoyo. TEORIA y Métodos: Deductivo. lógico. • Distingue y hace uso correcto de las distribuciones muestrales correspondientes a cada una de las estadísticas propuestas. Estadística. de acuerdo al contexto del problema que aborde. Wackerly. lógico. distingue y aplica correctamente los conceptos básicos de la inferencia estadística. Resolución de ejercicios y problemas. Propiedades. Técnicas: Expositiva con material de apoyo. Comprensión aplicación y análisis. Grupo Editorial Iberoamérica. PRACTICA Práctica dirigida sobre distribuciones especiales de variable continua. sesiones de trabajo. de trabajo colectivo. 6 Distribuciones Especiales de Variable Analógico. Pascal. flexible. EXAMEN PARCIAL 8 BIBLIOGRAFÍA: sintético. flexible. de trabajo colectivo. CAPACIDADES • Define. Discreta: Bernoulli. activo. calcula probabilidades mediante el uso de tablas y software estadístico. Normal: Propiedades. lógico. Jay L. activo. Probabilidad y Estadística para Ingeniería y Ciencias. Cuarta edición. activo. 7 Comprensión aplicación y análisis. principios y técnicas para la elección de una muestra aleatoria. Walpole & Myers. Varianza de una Variable Aleatoria: Definición. participativa. SEM. TEORIA Distribuciones Especiales de Variable Continua: Uniforme. Resolución de ejercicios y problemas. de modo tal que. establece relaciones entre ellas. y aplica sus propiedades. Devore. selecciona una muestra aleatoria aplicando el diseño muestral correspondiente. examen parcial. Aplicaciones. Binomial. CENGAGE Learning. PRACTICA Práctica dirigida sobre esperanza varianza de una variable aleatoria. 2000. • Distingue y utiliza adecuadamente las distribuciones en el muestreo. Estadística Matemática con Aplicaciones. tomando en cuenta los diferentes diseños de muestreo. Técnicas: Expositiva con material de apoyo. el Teorema del Límite Central. McGraw-Hill. Geométrica. Métodos: Deductivo.TEORIA 5 Esperanza Matemática de una Variable Aleatoria: Definición. Propiedades. • Utiliza. CONTENIDOS CONCEPTUALES ESTRATEGIAS EVALUACION . Mendenhall. pruebas específicas. Métodos: Comprensión y aplicación. Manejo de Tabla. sesiones de trabajo.

• Construye y aplica intervalos de confianza para estimar el parámetro de una población. Distribución Muestral de la Proporción Muestral. PRACTICA Métodos: Deductivo. Aplicaciones. 11 CONTENIDOS CONCEPTUALES TEORIA ESTRATEGIAS DIDACTICAS Métodos: Inductivo. 1989. valorando la importancia de su uso en el área de ingeniería de sistemas. ejercicios y síntesis. Véliz Capuñay Carlos. EVALUACION CRITERIO INSTRUMENT S OS Comprensión Resolución de aplicación. utilizando una muestra. Técnicas: Expositiva con material de apoyo. Distribuciones en el muestreo: Ji Cuadrado. pruebas específicas. lógico. Propiedades de los Estimadores. Técnicas: Estimación Puntual. Editorial San Marcos. lógico. Estadística Descriptiva y Probabilidad. flexible. SEM. t de Student. • Construye y aplica intervalos de confianza para estimar parámetros de dos poblaciones independientes. de trabajo colectivo. BIBLIOGRAFIA Larson. Práctica dirigida sobre distribuciones en el muestreo. participativa. Estimación por Intervalos. activo. activo. flexible. F de Snedecor. sesiones de trabajo. pruebas específicas. Métodos comunes de Muestreo Aleatorio. Estadísticas. Mítacc Meza Máximo. H. Inferencia Estadística: Estimación de Parámetros y Prueba de Hipótesis.. TEORIA 10 Distribuciones Muestrales: Distribución Muestral de la Media Muestral. participativa. activo. Uso de Tablas. sintético. flexible. de trabajo colectivo. de trabajo colectivo. • Identifica y distingue las propiedades de un estimador puntual y las aplica correctamente. Muestra Aleatoria. Definir y aplicar conceptos. Parámetros. Resolución de ejercicios y problemas. Limusa. Estimación. CAPACIDADES • Determina la razón por la que se hace estimación de parámetros. utilizando dos muestras. Estadística. PRACTICA Práctica dirigida sobre distribuciones muestrales. UNIDAD 4: ESTIMACION DE PARAMETROS COMPETENCIA Métodos: Deductivo. sesiones de trabajo. 2000. Editorial San Marcos. Estimador. un aspecto de la inferencia estadística que permite estimar parámetros. lógico. Resolución de ejercicios y problemas. Técnicas: Expositiva con material de apoyo. Intervalo de Confianza para la Varianza de . Teorema del Límite Central. principios y técnicas para la construcción de intervalos de confianza. Comprensión y aplicación. Introducción a la Teoría de Probabilidad e Inferencia Estadística. problemas. pruebas específicas. Distribución Muestral de la Varianza Muestral. Casos. Comprensión y aplicación.DIDACTICAS TEORIA CRITERIO S INSTRUMENT OS 9 Conceptos Básicos de Inferencia Estadística: Población Estadística. Intervalo de Confianza para la Media de una Población Normal.

flexible. • Formula una hipótesis estadística referente al valor de un parámetro. distingue y aplica correctamente los conceptos básicos de la prueba de hipótesis. evaluación. 1986. valorando la importancia de su uso como un problema de decisión. activo. 12 Intervalos de Confianza para la Razón de Varianzas de dos poblaciones normales. mediante una muestra. sintético. PRACTICA Práctica dirigida sobre intervalos de confianza para un parámetro. 13 Las Hipótesis Estadísticas. Casos. ejercicios y síntesis. Aplicaciones. Editorial San Marcos. Estadística. Técnicas: Expositiva con material de apoyo. SEGUNDA PRACTICA CALIFICADA BIBLIOGRAFÍA: de Jay L. problemas. activo. . CONTENIDOS CONCEPTUALES TEORIA ESTRATEGIAS DIDACTICAS Métodos: Inductivo. participativa. toma una decisión y la interpreta. Probabilidad y Estadística. EVALUACION CRITERIO INSTRUMENT S OS Comprensión Resolución de aplicación. Intervalo de Confianza para la Diferencia de Medias de dos Poblaciones Normales Independientes. Probabilidad y Estadística para Ingeniería y Ciencias. Comprensión aplicación. de mucha aplicación en el quehacer profesional del ingeniero de sistemas. lógico. Región Crítica: Nivel de Significación. 2000. participativa. 1992 Fuente < citar referencia abreviada> UNIDAD 5: CONTRASTE DE HIPOTESIS COMPETENCIA Definir y aplicar conceptos. principios y técnicas para la prueba de hipótesis. CENGAGE Learning. Técnicas: Expositiva con material de apoyo. valorando la importancia de su uso en el quehacer profesional del ingeniero de sistemas. Resolución de ejercicios y problemas. SEM. pruebas específicas. lógico. Grupo Editorial Iberoamérica. realiza el contraste siguiendo el procedimiento adecuado. toma una decisión y la interpreta. TEORIA material de apoyo. Errores en la Prueba de Hipótesis: Error de Tipo I y Error de Tipo II. sesiones de trabajo. Véliz Capuñay Carlos. síntesis. Scheaffer. Prueba de Hipótesis para la Media de una Población Normal. sesiones de trabajo. de trabajo colectivo. Intervalo de Confianza para la Diferencia de Proporciones en Poblaciones de Bernoulli. Wackerly. Walpole & Myers. Cuarta edición. Intervalo de Confianza para la Proporción Expositiva con de una Población de Bernoulli. participativa. Mendenhall.una Población Normal. de trabajo colectivo. CAPACIDADES • Define. • Compara dos parámetros siguiendo el procedimiento de prueba de hipótesis. PRACTICA Métodos: Inductivo. práctica calificada Práctica dirigida sobre intervalos confianza para dos parámetros. Estadística Matemática con Aplicaciones. Devore. pruebas específicas. Intervalo de Confianza para Datos Pareados. flexible. • Determina la razón por la que se hace prueba de hipótesis. McGraw-Hill.

continua y permanente. la claridad en el lenguaje (oral y escrito).PRACTICA Práctica dirigida sobre pruebas para la media. sintético.. Métodos: Inductivo.1 Se tomará en cuenta la destreza en el uso de las herramientas estadísticas. participativa. 2008. Prueba de Hipótesis para la Diferencia de dos Proporciones Poblacionales. Devore. evaluación. El promedio final ponderado se obtendrá de la siguiente manera: . PRACTICA Comprensión aplicación. TEORIA 15 Prueba de Hipótesis para la Razón de dos Varianzas poblacionales. Mendenhall & Sincich. examen final. activo. Para el promedio final se tomará en cuenta los siguientes conceptos: exámenes escritos. McGraw-Hill. Técnicas: Expositiva con material de apoyo. evaluación. Casos: Varianzas Conocidas y Varianzas Desconocidas (Iguales y Diferentes) Prueba de Hipótesis para la Media de Datos Pareados. sintético. Comprensión aplicación. de trabajo colectivo. sesiones de trabajo. 4ª Edición. sesiones de trabajo. Resolución de ejercicios y problemas. EXAMEN FINAL EXAMEN SUSTITUTORIO Métodos: Inductivo. síntesis. de trabajo colectivo. Probabilidad y Estadística para Ingeniería y Administración. lógico. 14 Prueba de Hipótesis para la Varianza de una Población Normal. Prueba de Hipótesis para la Proporción de una Población de Bernoulli. CONCEPTO Examen parcial (EP) Examen final (EF) Promedio de prácticas calificadas (PP) Promedio de trabajos encargados participación en clases (PT) PORCENTAJE y 0. pruebas específicas.3 0. CECSA. Probabilidad y Estadística para Ingeniería y Ciencias.. Walpole & Myers. 1996. TEORIA sesiones de trabajo. Prentice-Hall. participativa. PRACTICA 16 17 Práctica dirigida sobre pruebas de hipótesis para comparar dos parámetros.3 0. pruebas específicas. informes escritos y participación en clases. flexible. síntesis. 1986. Probabilidad y Estadística. prácticas calificadas. Práctica dirigida sobre pruebas de hipótesis para la varianza y la proporción. lógico. Séptima Edición. flexible. Resolución de ejercicios y problemas. CENGAGE Learning. activo. Probabilidad y Estadística para Ingeniería y Ciencias. 6. la pulcritud y orden en los exámenes e informes escritos. 1997. EVALUACION La evaluación de los estudiantes es integral.3 0. 4ª Edición. BIBLIOGRAFIA Jay L. desarrollo de listas de ejercicios. Hines & Montgomery. Prueba de Hipótesis para la Diferencia de dos Medias Poblacionales Independientes. Técnicas: Expositiva con material de apoyo.

6ª Edición. 1997. 5. 2ª Edición. 5. 2000. Devore. 1ª Edición.3 PP + 0. Larson.1 PT 7. 9. 8. CENGAGE Learning.3 EP + 0. Estadística Matemática con Aplicaciones. Addison-Wesley Iberoamericana. Grupo Editorial Iberoamérica.virtual. 1993. Estadística Matemática con Aplicaciones. Meyer. Jay L. Grupo Editorial Iberoamérica. Mendenhall & Sincich. Editorial San Marcos. Probabilidad y Estadística para Ingeniería y Administración. Probabilidad y Estadística aplicados a la Ingeniería. Montgomery & Runger. Mítacc Meza Máximo. 4.P F = 0. 1996. 3. 1996. 1986. Pearson Educación. 4ª Edición. Editorial San Marcos. 6. Aplicaciones. 3. Probabilidad y Estadística para Ingeniería y Ciencias.html http://ar.co/cursos/ciencias/2001065/html/un2/distribucion_normal. Probabilidad y Estadística para Ingeniería y Ciencias. Johnson Robert. Mítacc Meza Máximo. 2008.yahoo.com/question/index?qid=20080803091252AAyiMLy . Estadística. Introducción a la Teoría de Probabilidad e Inferencia Estadística. McGraw-Hill. Freund & Miller & Miller. P. Walpole & Myers. Hines & Montgomery. Prentice-Hall 4ª Edición. Limusa.unal. 10. Estadística Descriptiva y Probabilidad. Scheaffer & McClave. 4. 2. Editorial San Marcos. Probabilidad y Estadística para Ingeniería. Walpole & Myers. BIBLIOGRAFIA BASICA 1. 1990. Probabilidad y Aplicaciones Estadísticas.edu. Probabilidad y Estadística. Estadística Matemática con Aplicaciones. 7. CECSA. McGraw-Hill. H. Wackerly. Freund & Walpole. Trillas. Scheaffer. Estadística Elemental. 2.3 EF + 0.. Probabilidad y Estadística.. McGraw-Hill. 1989. 1992 COMPLEMENTARIA 1.answers. 1986. Mendenhall. 1992. Prentice-Hall. Cuarta edición. ENLACES Y SITIOS WEB http://www. Véliz Capuñay Carlos. Séptima Edición. Tópicos de Inferencia Estadística. 6. 4ª Edición.