SÍLABO Z206 ESTADISTICA DESCRIPTIVA Y PROBABILIDADES

2016-1

1. DATOS GENERALES

Facultad: Ingeniería Industrial y Mecánica (FIME)

Ingeniería de Sistemas y Electrónica (FISE)
Carrera: Todas las ingenierías
Número de créditos: 4
Coordinador: Marco Antonio Villena Heredia
Requisitos: Ninguno
Competencia: Criterio científico
Número de horas:
Horas trabajo
Horas teórico- Horas de
autónomo Total
prácticas evaluación
reflexivo
56 02 08 66

2. FUNDAMENTACIÓN
Esta asignatura es importante porque aporta al perfil del Ingeniero las herramientas
metodológicas, para el análisis, caracterización, interpretación y predicción de los datos
dando solución a problemas estadísticos y apoyando a la toma de decisiones.

3. SUMILLA
El curso Estadística Descriptiva y Probabilidades tiene la naturaleza Teórico- Práctico,
brinda al alumno el marco conceptual y práctico de una metodología de tratamiento y
análisis de datos desde su recolección, procesamiento, presentación, obtención de
conclusiones y algunas generalizaciones e interpretaciones de resultados, relacionados
con la ingeniería.
Comprende: Conceptos básicos. Distribuciones de Frecuencias y Gráficos. Medidas de
Tendencia Central, Dispersión y Asimetría. Conceptos de Probabilidades. Variables
Aleatorias y Muestreo.

4. LOGRO GENERAL DE APRENDIZAJE

Al final del curso el alumno realiza el proceso de presentación y análisis de información
formulando conclusiones, interrelacionando datos y alternativas de evaluación.
Interpretando estadísticas y parámetros en muestras y poblaciones.

5. UNIDADES Y LOGROS ESPECÍFICOS DE APRENDIZAJE

Unidad de aprendizaje I: Semana 1, 2, 3 y 4
Distribución de frecuencias, gráficos, y
medidas de tendencia central.
Logro específico de aprendizaje:
a. Comprende los conceptos de la estadística y su aplicación.
b. Obtiene datos de la muestra de una población, elabora tablas de frecuencia y su
grafica correspondiente
c. Calcula medidas de tendencia central, dispersión, posición y forma.
1
 Temario:
a. Conceptos básicos de la estadística
b. Población y muestra.
c. Elaboración de tablas y gráficos correspondientes.
d. Medidas de tendencia central.
e. Medidas de dispersión.

Unidad de aprendizaje 2: Semana 5, 6 y 7

Medidas de tendencia no central y asimetrías
Logro específico de aprendizaje:
Al finalizar la unidad el alumno calcula e interpreta los percentiles y la asimetría
para datos agrupados y no agrupados.
Temario
a. Medidas de posición para datos agrupados
b. Medidas de posición para datos no agrupados
c. Medidas de forma: Asimetría y curtosis.
Unidad de aprendizaje 3: Semana 6,7,8 y 9
Probabilidades y distribuciones discretas
Logro específico de aprendizaje:
a. Aplicar los conceptos básicos de probabilidad para la resolución de problemas.
b. Emplear la metodología correcta para el cálculo de probabilidades en la solución
de problemas.
c. Distinguir los tipos de sucesos y asociarlos con el modelo matemático
correspondiente en la solución de problemas.
Temario
d. Teoría de conjuntos.
e. Técnicas de conteo.
f. Introducción a la probabilidad.
g. Eventos independientes, dependientes y probabilidad condicional.
h. Eventos mutuamente excluyentes y no excluyentes.
i. Teorema de Bayes y Probabilidad Total.
j. Variable aleatoria y distribución continúa.
Unidad de aprendizaje 4: Semana 14
Distribuciones continuas y muestreo
Logro específico de aprendizaje:
Define, e identifica los conceptos de muestreo probabilístico, tipos. Distribución muestral,
Distribución muestral de medias.
Temario
a. Distribución continua
b. Muestreo Probabilístico.
c. Distribución Muestral
d. Distribución muestra de Medias.

6. METODOLOGÍA
El curso de Estadística descriptiva y Probabilidades se desarrolla a través de
metodologías activas, donde el rol del docente es un facilitador del aprendizaje. El
aprendizaje de la estadística exige un trabajo sistemático por parte de los alumnos,
para lograr dicho objetivo se propone el uso intensivo de las separatas que

2
 conjuntamente con el Excel y los recursos didácticos disponibles en la plataforma
garantizan promover el aprendizaje autónomo y el aprendizaje colaborativo.

7. SISTEMA DE EVALUACIÓN
El curso tendrá las siguientes evaluaciones:

Tipo Descripción Nota Semana Observación Recuperable

PE Prueba de entrada 0% 2 Individual NO
PC 1 Práctica Calificada 1 15% 4 Individual NO
Grupal de 4 alumnos,
TA Trabajo Aplicado 15% 6y7 NO
con exposiciones.
PC2 Práctica Calificada 2 20% 8 Individual NO
PC3 Práctica Calificada 3 20% 12 Individual NO
EF Examen Final 30% 15 Individual SI
TOTAL 100%

Por lo tanto, el cálculo del promedio final se hará de la siguiente manera:

(0.0)PE+(0.15)PC1+(0.15)TA+(0.20)PC2+(0.20)PC3+0.3EF

Nota:

 La nota mínima aprobatoria es 12 (doce)

 Solo se podrá rezagar el examen final.
 El examen rezagado incluye los contenidos de todo el curso.
 No se elimina ninguna práctica calificada.
 El trabajo de investigación grupal es el trabajo autónomo reflexivo.
 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.

8. FUENTES DE INFORMACIÓN
Bibliografía Base:
 Devore l. Jay: Probabilidad y Estadística para Ingeniería y Ciencias, 2008 .Editorial
CENGAGE Learning, 720p
 Navidi, William. Estadística para Ingenieros, 2006, Editorial McGraw Hill, México,868p
Bibliografía Complementaria:
 Milton. J. Susan. Probabilidad y estadística con aplicaciones para ingeniería y ciencias
computacionales, 2004, Editorial Mc. Graw Hill, México, 804p.

3
9. CRONOGRAMA DE ACTIVIDADES
ACTIVIDADES Y
UNIDAD SEMANA SESIÓN TEMA
EVALUACIONES
Presentación del curso, lineamientos de Uso de
asistencia, evaluación, y otros. esquemas y
Introducción, Concepto de estadística, diagramas
1
clases, objetivo, conceptos básicos.
Población y muestra identificación y
1 formulación.
Variables Estadísticas, concepto, clases, Clase magistral
identificación de variables. y resolución de
2 Organización y presentación de datos para problemas.
variables cualitativas y cuantitativas,
gráficos correspondientes.
Elaboración de tablas y gráficos Ejercicios para
1
estadísticos. graficar.
Medidas de Tendencia central para datos Clase magistral
I. Distribución 2 no agrupados y agrupados por sus y resolución de
de
2 frecuencias: Cálculo e interpretación de la problemas.
frecuencias,
Media, Mediana, Moda, y sus relaciones. Evaluación
gráficos, y
Prueba de entrada
medidas de
Medidas de Tendencia central para datos Clase magistral
tendencia
agrupados por intervalos: Cálculo e y resolución de
central. 1
interpretación de la Media, Mediana, problemas.
Moda.
Medidas de Dispersión para datos no Clase magistral
3
agrupados y agrupados por sus y resolución de
frecuencias: Cálculo e interpretación del problemas.
2
Rango, Desviación media, Varianza,
Desviación estándar, Coeficiente de
Variación.
Medidas de Dispersión para datos Clase magistral
agrupados por intervalos: Cálculo e y resolución de
1 interpretación del Rango, Desviación problemas.
4
media, Varianza, Desviación estándar,
Coeficiente de Variación.
2 Práctica Calificada 1 Individual
Medidas de Posición para datos no Clase magistral
agrupados y agrupados por sus y resolución de
1
frecuencias: Cálculo e interpretación de los problemas.
5 percentiles y su rango.
II. Medidas de Medidas de Posición para datos agrupados Clase magistral
tendencia no 2 por intervalos: Cálculo e interpretación de y resolución de
central y los percentiles y su rango. problemas.
asimetrías Medidas de Forma Asimetría y Curtosis, Clase magistral
1
6 cálculo e interpretación. y casos.
2 Exposiciones del trabajo aplicado Grupal (4)
7 1 Exposiciones del trabajo aplicado Grupal (4)

4
 Técnicas de conteo: Reglas de adición. Clase magistral
7 2 Reglas de multiplicación. Diagrama de y resolución de
árbol. Análisis combinatorio. problemas.
Introducción a la probabilidad. Definición, Clase magistral
1 teoremas y axiomas importantes, unión, y resolución de
8
intersección, independencia. problemas.
2 Práctica calificada 2 Individual
Probabilidad condicional, Eventos Clase magistral
1 mutuamente excluyentes y no excluyentes, y resolución de
problemas.
9
Teorema de bayes y Probabilidad Total: Clase magistral
2 Conceptos, ejemplos y resolución de
problemas.
III.
Variable Aleatoria: Conceptos generales. Clase magistral
Probabilidades
Variable Aleatoria Discreta: Función de y resolución de
y 1
cuantía, esperanza o media, varianza, problemas.
distribuciones
10 propiedades.
discretas
Variable Aleatoria Continua: Función de Clase magistral
2 densidad, esperanza o media, varianza, y resolución de
propiedades. problemas.
Distribuciones Discretas importantes: Clase magistral
Bernoulli, Binomial. Propiedades: Media, y resolución de
1
Varianza y desviación estándar. Ejemplos problemas.
Aplicativos.
11
Distribuciones Discretas importantes: Clase magistral
Distribución de Poisson, Hipergeometrica. y resolución de
2
Propiedades: Media, Varianza y desviación problemas.
estándar. Ejemplos Aplicativos.
Evaluación
12 1 Práctica Calificada 3
individual
Distribuciones Continuas importantes: Clase magistral
12 2 Uniforme, Exponencial. Ejemplos y resolución de
aplicativos. problemas.
Distribuciones Continuas importantes: Clase magistral
1 Normal Ejemplos Aplicativos. Uso de y resolución de
Tablas. problemas.
IV. 13
Aproximación de la distribución Binomial a Clase
Distribuciones
2 la Normal. resolución de
continuas y
problemas.
muestreo
Definición de muestreo probabilístico, Clase magistral
1 tipos. Distribución muestral, conceptos y resolución de
importantes. problemas.
14
Distribución muestral de medias, Clase magistral
2 conceptos más importantes. Ejemplos. y resolución de
problemas.
15 EXAMEN FINAL Evaluación
16 EXAMEN REZAGADO Evaluación

5
Nota. El trabajo autónomo reflexivo comprende las siguientes actividades:

Actividad Semana Horas

Trabajo de investigación durante el ciclo 1-5 06
Exposición del trabajo de investigación 6-7 02

10. FECHA DE ACTUALIZACIÓN: 13/11/2015