SILABO 100000Z215 ESTADÍSTICA INFERENCIAL 2017 - 1 1. DATOS GENERALES Facultad o Área: Carrera: Número de créditos: Coordinador: Requisitos: Competencias:
Área de Ciencias Todas las ingenierías 4 Antonio Alejandro Gamero Paredes Estadística Descriptiva y Probabilidades (1000000Z206) Criterio científico
teórico-prácticas
Horas de evaluación
56
02
Horas Número de horas:
Horas trabajo autónomo reflexivo 06
Total 64
2. FUNDAMENTACIÓN La estadística Inferencial aporta al proceso de formación del profesional con el conocimiento de los procedimientos para poder inferir propiedades o características de una población a partir de una muestra significativa, mediante la estimación de parámetros estadísticos. Por lo que la estadística Inferencial le permite al estudiante tener una herramienta fundamental para realizar estimaciones, proyecciones que le permite tomar decisiones acertadas así como la determinación de una muestra adecuada para realizar estudios de mercado. 3. SUMILLA Asignatura teórica práctica que permite al alumno inferir en base a los estadígrafos, los parámetros de la población, así como también predecir posibles resultados futuros mediante regresiones. Para tal efecto se estudian las distribuciones muéstrales, estimación puntual, estimación por intervalos, pruebas de hipótesis, análisis de regresión lineal, simple y múltiple. 4. LOGRO GENERAL DE APRENDIZAJE Al final del curso el alumno infiere características de la población y predice posibles resultados en el campo de la ingeniería para optimizar la toma de decisiones.
5. UNIDADES Y LOGROS ESPECÍFICOS DE APRENDIZAJE Unidad de aprendizaje 1: Introducción a la estadística inferencial y la Semana 1, 2 estimación Logro específico de aprendizaje: Al finalizar la unidad el alumno utiliza los diferentes métodos de estimación que le permiten definir un buen estimador para los diferentes parámetros de una población y los aplica a situaciones reales. Temario - Introducción a la estadística Inferencial - Distribución muestral y estimación de la media y la diferencia de medias, con varianza conocida y desconocida. Unidad de aprendizaje 2: Semana 3,4,5,6,7,8,9,10,11 Pruebas de hipótesis e intervalos de confianza Logro específico de aprendizaje: Al finalizar la unidad el alumno utiliza las pruebas de hipótesis y reconoce la potencia de dichas pruebas para inferir características poblacionales. Temario - Error tipo I y II - Pruebas de hipótesis para la media y diferencia de medias, con varianza conocida y desconocida. - Distribución muestral, intervalo de confianza y prueba de hipótesis de la proporción y la diferencia de 2 proporciones. Unidad de aprendizaje 3: Semana 12,13,14 Regresión Lineal y multiple Logro específico de aprendizaje: Al finalizar la unidad el alumno aplica, desarrolla y analiza las técnicas de regresión lineal para hacer predicciones de sucesos futuros. Temario - Regresión Lineal Simple - Intervalo de predicción - Análisis de la varianza y correlación - Regresión Lineal Múltiple 6. METODOLOGÍA La metodología del curso se desarrollará mediante exposiciones teóricas y resolución de problemas en clase con el uso del programa Excel. En la plataforma educativa el alumno encontrará material didáctico relacionado con cada uno de los temas que indica el sílabo y referencias bibliográficas. Los principios de aprendizaje que se promueven en este curso son: • Aprendizaje para la era digital. • Aprendizaje colaborativo 7. SISTEMA DE EVALUACIÓN El promedio final del curso será:
Tipo
Descripción
Prueba de entrada Práctica PC 1 Calificada 1 PE
% Nota final
Semana Observación
Recuperable
0%
2
Individual
NO
15%
3
Individual
NO
PC 2
Práctica Calificada 2
15%
7
Individual (Incluye evaluación del primer trabajo autónomo)
NO
PC 3
Práctica Calificada 3
20%
10
Individual
NO
13 15
Individual (Incluye evaluación del primer trabajo autónomo) Individual
Práctica PC 4 Calificada 4 EF
Examen Final
20% 30%
NO SI
Por lo tanto, el cálculo del promedio final se hará de la siguiente manera: (0.0)PE + (15%)PC1 + (15%)PC2 + (20%)PC3 + (20%)PC4 + (30%)EF
Nota:
8.
Sólo se podrá rezagar el Examen Final. El examen rezagado incluye los contenidos de todo el curso. No se elimina ninguna práctica calificada. La nota mínima aprobatoria es 12 (doce). La segunda y la tercera práctica incluirán la calificación del trabajo autónomo reflexivo respectivo. En el caso de que un alumno no rinda una práctica calificada (PC) y, por lo tanto, obtenga NS, esta es reemplazada con la nota que se obtenga en el examen final o de rezagado. En caso de que el alumno tenga más de una práctica calificada no rendida, solo se reemplaza una práctica calificada. No es necesario que el alumno realice trámite alguno para que este remplazo se realice. La tolerancia de ingreso para rendir prácticas calificadas será hasta de diez (10) minutos luego de iniciadas las mismas. Pasado dicho lapso de tiempo, no se permitirá el ingreso de los alumnos. FUENTES DE INFORMACIÓN Bibliografía Base: RUFINO MOYA - GREGORIO SASOVIA: Probabilidad e inferencia estadística. Edit. San Marcos - Perú, (2008). MURRAY R. SPIEGEL: Estadística. 4a ed. (2009) Bibliografía complementaria: DEVORE L. JAY: Probabilidad y Estadística para Ingeniería y Ciencias, 8a. Ed. (2012) NIEVES HURTADO, ANTONIO: Probabilidad y estadística para ingeniería : un enfoque moderno (2010)
9.
CRONOGRAMA DE ACTIVIDADES
UNIDAD
SEMANA
SESIÓN
1 1 2
I. Estadística inferencial y la estimación
1 2 2
1 3 2 1 4 2 II. Pruebas de hipótesis e intervalos de confianza
1 5 2
1 6 2
1 7 2
TEMA Concepto de distribución muestral, Teorema de límites central. Distribución muestral de la media, con varianza conocida y desconocida. Ejemplos aplicativos Introducción a la Estimación, tipos, propiedades de un estimador, Estimación por intervalos para la media, con varianza conocida y desconocida. Ejemplos aplicativos Distribución muestral de la diferencia de dos medias con varianza conocida y desconocida. Intervalo de Confianza para la diferencia de medias con Varianza conocida Intervalo de Confianza para la diferencia de medias con Varianza desconocida. Cálculo e interpretación de resultados. Ejemplos aplicativos Prueba de entrada
ACTIVIDADES Y EVALUACIONES Clase magistral y resolución de problemas. Clase magistral y resolución de problemas. Clase magistral y resolución de problemas. Clase magistral y resolución de problemas.
Clase magistral Prueba de Hipótesis: Conceptos generales. y resolución de Error tipo I y II. Ejemplos aplicativos problemas. Evaluación Práctica calificada 1 individual Prueba de Hipótesis para la media con varianza conocida y desconocida. Prueba de Hipótesis para la diferencia de Clase magistral medias con varianza conocida y y resolución de desconocida. problemas. Clase magistral Distribución muestral de la proporción e y resolución de Intervalo de Confianza para la proporción. problemas. Distribución muestral de la diferencia de Clase magistral dos proporciones e Intervalo de Confianza y resolución de para la diferencias de proporciones. problemas. Clase magistral Prueba de Hipótesis para la proporción. y resolución de problemas. Clase magistral Prueba de Hipótesis para la diferencia de y resolución de proporciones. problemas. Clase magistral Intervalo de Confianza para la varianza. y resolución de problemas. Evaluación Práctica calificada 2 individual,
1
Intervalo de Confianza para el cociente de varianzas.
2
Prueba de Hipótesis para la varianza.
1
Prueba de Hipótesis para el cociente de varianzas.
2
Pruebas Ji Cuadrada: Prueba de bondad de ajuste.
10
1
Prueba de Independencia
10
2
Práctica calificada 3
11
1
Pruebas Ji Cuadrada Prueba de Homogeneidad, Pruebas de proporciones.
11
2
Regresión Lineal Simple, estimación de coeficientes.
8
9
1 12 2 III. Regresión Lineal y múltiple
1 13 2
1 14 2
Regresión Lineal Simple, Intervalos y prueba de hipótesis. Intervalo de predicción, Coeficiente de correlación Poblacional y muestral. Regresión Lineal Simple, Coeficiente de determinación., Análisis de la varianza y correlación. Práctica calificada 4 Regresión Lineal Múltiple: Conceptos generales, Estimar la ecuación de regresión lineal múltiple mediante teoría matricial, predicción, estimación de la varianza. Regresión Lineal Múltiple: Matriz de varianzas y covarianzas. Intervalo de confianza para la respuesta media, Intervalo de predicción para Yo. Repaso
15
EXAMEN FINAL
16
EXAMEN REZAGADO
INCLUYE TAR Clase magistral y resolución de problemas. Clase magistral y resolución de problemas. Clase magistral y resolución de problemas. Clase magistral y resolución de problemas. Clase magistral y resolución de problemas. Evaluación individual Clase magistral y resolución de problemas. Clase magistral y resolución de problemas. Clase magistral y resolución de problemas. Clase magistral y resolución de problemas. Evaluación individual, INCLUYE TAR Clase magistral y resolución de problemas. Clase magistral y resolución de problemas. Clase magistral y resolución de problemas. Evaluación individual Evaluación individual
Nota. El trabajo autónomo reflexivo comprende las siguientes actividades: Actividad Primer Trabajo Autónomo Reflexivo Segundo Trabajo Autónomo Reflexivo 10. FECHA DE ACTUALIZACIÓN: 31/10/2016
Semana 07 13
Horas 03 03
