UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA

ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS

1. INFORMACIÓN GENERAL

1.1 Nombre y código de la asignatura: ESTADISTICA– 20118035

1.2 Número de créditos : 3.0
1.3 Número de horas semanales : Teoría: 01 horas, Práctica: 02 horas,
Laboratorio: 02 horas
1.4 Ciclo de estudio II
1.5 Periodo Académico : 2019 – I
1.6 Area : Formación específica
1.7 Pre-requisitos :
1.8 Profesores : Ofelia Roque Paredes

2. SUMILLA

Esta asignatura pertenece al área de formación específica, es de naturaleza teórico y práctico,

tiene el propósito de aplicar conceptos, principios y técnicas para la presentación y el análisis
descriptivo e datos. Desarrolla aspectos básicos en la Estadística Descriptiva, Análisis de
Regresión y Correlación y Número Indice, utilizando para ello el (los) software(s) adecuado
de tal forma que el alumno comprenda la utilidad de la Estadística en el procesamiento de
datos.
3. COMPETENCIA GENERAL

El estudiante, al concluir la asignatura, estará capacitado en altos niveles de competencia para

Aplicar la estadística descriptiva de datos, aplicar la teoría del 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 muéstrales;
determinar tamaños de muestra adecuados a situaciones particulares; construir intervalos de
confianza para estimar parámetros de interés; contrastar hipótesis; conceptos que le permitirá valorar
la importancia de la estadística y su aplicación en el ejercicio profesional.

4. PROGRAMACIÓN

PRIMERA UNIDAD DIDÁCTICA: ESTADÍSTICA DESCRIPTIVA

COMPETENCIA ESPECÍFICA:

Aplicar técnicas para la presentación de datos en tablas de frecuencia, cuadros y gráficos

estadísticos; calcular e interpretar indicadores de localización, dispersión y forma, valorando
su aplicación a situaciones reales de su desarrollo profesional.

CAPACIDADES
 Identifica y usa adecuadamente los conceptos de la estadística descriptiva, en el
contexto de una investigación estadística.
 Construye de forma adecuada tablas de frecuencias para datos de variable cualitativa
y cuantitativa.
 Construye cuadros y gráficos estadísticos adecuados al tipo de variable.
 Calcula e interpreta las medidas de localización, dispersión y forma.
ESTRATEGIAS
SEMANA CONTENIDOS ACTIVIDADES EVALUACIÓN
DIDÁCTICAS
TEORIA
Estadística: Ramas o aspectos. Métodos: Deductivo, Revisión de bases Resolución de
Terminología estadística: lógico, activo, de datos ejercicios y
población, unidad de análisis, flexible, de trabajo científicas. problemas. Uso
muestra, parámetro, estadígrafo. colectivo. Revisión de adecuado de
1 Escalas de medición, variables Técnicas: Expositiva trabajos de tesis, bases de datos
estadísticas: tipos, datos con material de buscando científicas.
25-29 estadísticos. apoyo, participativa, terminología
marzo La investigación estadística: etapas. sesiones de trabajo en estadística.
PRACTICA Y LABORATORIO laboratorio de
Identificación de los términos computo.
estadísticos usados en trabajos de
investigación y en problemas de
ingeniería de sistemas.
TEORIA
Revisión de bases Resolución de
Organización y presentación de Métodos: Deductivo,
de datos ejercicios y
datos. Tablas de distribución de lógico, activo, de
científicas.
2 frecuencias, cuadros y gráficos trabajo colectivo, problemas, uso
Revisión de adecuado de
estadísticos para variables analítico.
trabajos de tesis, software
1-5 cualitativas y cuantitativas. Técnicas: Expositiva
buscando estadístico.
abril 1 PRACTICA Y LABORATORIO con material de
aplicaciones de
Organización y presentación de apoyo, participativa,
técnicas
datos mediante tablas y gráficos, sesiones de trabajo en
estadísticas.
según el tipo de variable. laboratorio de
cómputo.
TEORIA Métodos: Deductivo, Revisión y Resolución de
Medidas resumen de tendencia lógico, activo, explotación de ejercicios y
central y de posición: media, flexible, de trabajo bases de datos problemas, uso
3 mediana, moda; cuartiles, deciles y colectivo, analítico. reales. Aplicación adecuado de
percentiles. Técnicas: Expositiva de los temas software
8-12
PRACTICA Y LABORATORIO con material de desarrollados. estadístico.
abril apoyo, participativa,
Cálculo e interpretación de las
medidas resumen de centralización sesiones de trabajo en
y posición. laboratorio de
 cómputo.

TEORIA Métodos: Deductivo, Resolución de

Medidas resumen de dispersión lógico, activo, Revisión y ejercicios y
absoluta y relativa: Rango, rango flexible, de trabajo explotación de problemas, uso
intercuartílico, varianza, desviación colectivo, analítico. bases de datos adecuado de
estándar, coeficiente de variación. Técnicas: Expositiva reales. Aplicación software
Medidas resumen de forma. con material de de los temas estadístico.
4 desarrollados.
Análisis exploratorio de datos. apoyo, participativa, Práctica
sesiones de trabajo en calificada.
15-19
PRACTICA Y LABORATORIO laboratorio de
abril
Cálculo e interpretación de las cómputo..
medidas resumen de dispersión y
forma. AED.

PRIMERA PRACTICA
CALIFICADA

SEGUNDA UNIDAD DIDÁCTICA: INTRODUCCIÓN A LA TEORÍA DE LA

PROBABILIDAD (ESPACIO DE PROBABILIDAD, VARIABLE ALEATORIA, ISTRIBUCION
DE PROBABILIDAD, MODELOS DE PROBABILIDAD ESPECIALES)

COMPETENCIAS ESPECÍFICAS
 Aplicar conceptos, principios y técnicas para el cálculo de
probabilidades, en espacios muestrales finitos e infinito numerables.
 Aplicar conceptos, principios y técnicas para abordar fenómenos aleatorios,
usando el enfoque de variable aleatoria, construyendo modelos de probabilidad
según el tipo de variable aleatoria, evaluando sus características numéricas y
valorando la importancia de su aplicación en espacios muestrales finitos,
infinito numerables e infinito no numerables.
CAPACIDADES
 Identifica fenómenos aleatorios, caracterizándolos completamente.
 Describe el espacio muestral asociado a un fenómeno aleatorio,
listando sus elementos por extensión y por comprensión.
 Define axiomáticamente la probabilidad, conoce sus propiedades y las demuestra.
 Resuelve, en un nivel aceptable, probabilidades de eventos simples y
compuestos, usando propiedades básicas y técnicas de conteo.
 Identifica las variables aleatorias y las clasifica según su recorrido.
 Aplica adecuadamente los conceptos para construir y hacer uso de
distribuciones de probabilidad de variable discreta y continua, calculando
probabilidades de eventos de todo tipo.
 Utiliza las distribuciones de probabilidad para obtener las características
numéricas de una variable aleatoria, haciendo un manejo adecuado de sus
propiedades.
 Identifica y utiliza modelos de probabilidad especiales, asociados a
fenómenos del mundo real, tanto para variables aleatorias discretas como
continuas.
 ESTRATEGIAS
SEMANA CONTENIDOS ACTIVIDADES EVALUACIÓN
DIDÁCTICAS
TEORIA
Fenómenos Aleatorios.
Espacio Muestral. Eventos:
Métodos: Deductivo,
Ocurrencia y Operaciones con
lógico, activo, flexible,
Eventos. Resolución de
de trabajo colectivo,
Probabilidad de un evento. Comprensión, ejercicios y
5 analítico.
Métodos de enumeración. aplicación y problemas, pruebas
Técnicas: Expositiva
Asignación de Probabilidades análisis de los específicas,
22-26 con material de apoyo,
a Eventos en Espacios Finitos. temas exposición de
abril participativa, sesiones
PRACTICA Y desarrollados. trabajos grupales
de trabajo en
LABORATORIO encargados.
laboratorio de
Práctica dirigida sobre cómputo.
fenómeno aleatorio, espacio
muestral, eventos. Asignación
de probabilidades.
TEORIA
Probabilidad Condicional. Métodos: Deductivo,
Teorema de Multiplicación, lógico, activo, flexible,
Resolución de
Probabilidad Total, Teorema de trabajo colectivo, Comprensión,
ejercicios y
6 de Bayes. analítico. aplicación y
problemas, pruebas
Independencia de eventos: Técnicas: Expositiva análisis de los
específicas,
24-29 propiedades. con material de apoyo, temas
exposición de
abril PRACTICA Y participativa, sesiones desarrollados.
trabajos grupales
LABORATORIO de trabajo en
encargados.
Práctica dirigida sobre laboratorio de
probabilidad condicional e cómputo.
independencia de eventos.
TEORIA
Concepto de Variable
Aleatoria. Tipos de Variables
Aleatorias. Métodos: Deductivo,
Variable aleatoria Discreta: lógico, activo, flexible,
Distribución de probabilidad. Resolución de
de trabajo colectivo, Comprensión,
Variable Aleatoria Continua: ejercicios y
7 analítico. aplicación y
Características numéricas de problemas, pruebas
Técnicas: Expositiva análisis de los
una variable aleatoria: específicas,
29 abril con material de apoyo, temas
esperanza y varianza. exposición de
3 mayo participativa, sesiones desarrollados.
trabajos grupales
de trabajo en
encargados.
PRACTICA Y laboratorio de
LABORATORIO cómputo.
Práctica dirigida sobre
variable aleatoria y
distribución de probabilidad.

8 EXAMEN PARCIAL (6-10 mayo)

TEORIA
Distribuciones Especiales de
Variable Discreta: Bernoulli;
Métodos: Deductivo,
Binomial; Poisson;
lógico, activo, de
Geométrica; Pascal; Comprensión, Resolución de
trabajo colectivo.
9 Hipergeométrica. aplicación y ejercicios y
Técnicas: Expositiva
análisis de los problemas, pruebas
con material de apoyo,
13-17 PRACTICA Y temas específicas.
participativa, sesiones
mayo LABORATORIO desarrollados. Revisión del
de trabajo en
Práctica dirigida sobre examen parcial.
laboratorio de
esperanza y varianza de una
cómputo.
variable aleatoria.
Práctica dirigida sobre
distribuciones especiales de
 variable discreta
TEORIA
Distribuciones Especiales de Métodos: Deductivo,
Variable Continua: Uniforme; lógico, activo, flexible, Comprensión
Resolución de
Exponencial; Normal: de trabajo colectivo. aplicación y
10 ejercicios y
Propiedades, Estandarización, Técnicas: Expositiva análisis de los
problemas, pruebas
Manejo de Tabla. con material de apoyo, temas
20-24 específicas, revisión
PRACTICA Y participativa, sesiones desarrollados.
mayo de trabajos
LABORATORIO de trabajo en .
encargados.
Práctica dirigida sobre laboratorio de
distribuciones especiales de cómputo.
variable continua.

TERCERA UNIDAD DIDÁCTICA 3: INFERENCIA ESTADÍSTICA PARAMÉTRICA

COMPETENCIAS ESPECÍFICAS:

 Aplicar conceptos, principios y técnicas para la elección de una muestra aleatoria, tomando
en cuenta los diferentes diseños de muestreo, haciendo uso de las distribuciones
muestrales, valorando su importancia en el proceso de inferencia estadística.
 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 el área de ingeniería de sistemas.
 Aplicar conceptos, principios y técnicas para la formulación de una prueba de hipótesis,
valorando la importancia de su uso como un problema de decisión, de mucha aplicación en
el quehacer profesional del ingeniero de sistemas.

CAPACIDADES

 Distingue y aplica correctamente los conceptos básicos de la inferencia estadística.

 Clasifica y establece diferencias entre los métodos de muestreo probabilístico.
 Distingue y hace uso correcto de las distribuciones muestrales de las estadísticas
propuestas.
 Hace uso de intervalos de confianza para estimar el parámetro de una población, utilizando
una muestra.
 Formula una hipótesis estadística referente al valor de un parámetro, realiza el contraste
siguiendo el procedimiento adecuado, toma una decisión y la interpreta.

ESTRATEGIAS
SEMANA CONTENIDOS ACTIVIDADES EVALUACIÓN
DIDÁCTICAS
TEORIA
Métodos: Deductivo,
Conceptos Básicos de Inferencia
lógico, activo,
Estadística: Población Estadística.
flexible, de trabajo
Muestra Aleatoria. Parámetros. Resolución de
11 colectivo. Comprensión y
Estadísticas. Estimador. ejercicios y
Técnicas: Expositiva aplicación de los
Estimación. problemas,
27-31 con material de temas
Inferencia Estadística: Estimación pruebas
mayo apoyo, participativa, desarrollados.
de Parámetros y Prueba de específicas.
sesiones de trabajo en
Hipótesis.
laboratorio de
Métodos comunes de Muestreo cómputo.
Aleatorio.
 Distribuciones en el muestreo: Ji
Cuadrado; t de Student; F de
Snedecor. Uso de Tablas.

PRACTICA Y LABORATORIO
Práctica dirigida sobre
distribuciones en el muestreo.
TEORIA
Distribuciones Muestrales:
Distribución muestral de la media, Métodos: Deductivo,
de la varianza y de la proporción lógico, activo,
Resolución de
muestral. Estimación puntual. flexible, de trabajo
Comprensión y ejercicios y
12 Propiedades de un estimador colectivo.
aplicación de los problemas,
puntual. Técnicas: Expositiva
temas pruebas
3-7 con material de
desarrollados. específicas.
junio PRACTICA Y LABORATORIO apoyo, participativa,
Práctica
Práctica dirigida sobre sesiones de trabajo en
calificada.
distribuciones muestrales. laboratorio de
cómputo.
SEGUNDA PRÁCTICA
CALIFICADA
TEORIA
Intervalos de confianza para la
media de una población normal.
Métodos: Inductivo,
Tamaño de muestra.
lógico, activo,
Intervalo de Confianza para la
flexible, de trabajo
13 Varianza de una Población Normal. Comprensión, Resolución de
colectivo, sintético.
Intervalo de Confianza para la aplicación, ejercicios y
Técnicas: Expositiva
10-14 Proporción de una Población de análisis de los problemas,
con material de
junio Bernoulli. temas pruebas
apoyo, participativa,
desarrollados. específicas.
sesiones de trabajo en
PRACTICA Y LABORATORIO
laboratorio de
Práctica dirigida sobre intervalos de
cómputo.
confianza para la media, la varianza
y la proporción poblacional.

TEORIA
Las Hipótesis Estadísticas. Errores Métodos: Inductivo,
en la Prueba de Hipótesis: Error de lógico, activo,
Tipo I y Error de Tipo II. flexible, de trabajo
Resolución de
14 Región Crítica: Nivel de colectivo. Comprensión
ejercicios y
Significación. Técnicas: Expositiva aplicación,
problemas,
17-21 Prueba de Hipótesis para la Media con material de síntesis,
pruebas
junio de una Población Normal. apoyo, participativa, evaluación.
específicas.
sesiones de trabajo en
PRACTICA Y LABORATORIO laboratorio de
Práctica dirigida sobre pruebas para cómputo.
la media.
TEORIA
Prueba de Hipótesis para la Varianza
Métodos: Inductivo,
de una Población Normal. Prueba de
lógico, activo,
Hipótesis para la Proporción de una
flexible, de trabajo
Población de Bernoulli. Resolución de
15 colectivo, sintético. Comprensión
(Opcional: Pruebas de hipótesis ejercicios y
Técnicas: Expositiva aplicación,
para comparación de parámetros). problemas,
24-28 con material de síntesis.,
pruebas
junio apoyo, participativa, evaluación.
PRACTICA Y LABORATORIO específicas.
sesiones de trabajo en
Práctica dirigida sobre pruebas de
laboratorio de
hipótesis para la varianza y la
cómputo.
proporción.
 16 EXAMEN FINAL (1-5 julio)

17 EXAMEN SUSTITUTORIO (8-12 julio)

5. ESTRATEGIA DIDÁCTICA

El docente, desarrollará la asignatura siguiendo criterios de mediación, usando el método

inductivo, flexible, participativo y constructivo. Las clases serán expositivas, con un enfoque
teórico-práctico y de laboratorio computacional, promoviendo permanentemente la
participación activa de los estudiantes. Con este fin, se utilizará las técnicas de exposición
participativa, prácticas dirigidas y de laboratorios guiados. Se elaborarán guías de prácticas y
de laboratorios, orientadas a que el estudiante refuerce los conocimientos adquiridos en las
clases teóricas. Se hará uso de los medios de cómputo y de software estadístico para el
procesamiento de los datos y análisis de la información.
Los estudiantes participarán activamente a través del desarrollo de problemas, estudio de
casos, talleres de creatividad, formando grupos pequeños de trabajo cooperativo.

6. EVALUACIÓN DEL APRENDIZAJE

La evaluación de los estudiantes es integral, continua y permanente. Para el promedio final se

tomará en cuenta los siguientes conceptos: dos exámenes escritos (parcial y final) y dos
prácticas calificadas.

CONCEPTO PORCENTAJE
Examen parcial (EP) 0.3
Examen final (EF) 0.4
Promedio de prácticas calificadas (PP) 0.3

Se tomará en cuenta la destreza en el uso de las herramientas estadísticas, la claridad en el

lenguaje (oral y escrito), la pulcritud y orden en los exámenes escritos.

El promedio final (PF) ponderado se obtendrá a partir de la siguiente fórmula:

P F = 0.3 EP + 0.4 EF + 0.3 PP

7. REFERENCIAS BIBLIOGRÁFICAS

BÁSICA

1. Montgomery & Runger, Probabilidad y Estadística aplicadas a la Ingeniería. Limusa

Wiley. 2ª Edición. 2012. (Este será el texto del curso).
2. Muruzábal Irigoyen José Javier, Cálculo de probabilidades y Teoría de variable
aleatoria. Elementos de Estadística Aplicada. Garceta, grupo editorial. 4ª. Edición. 2014.
3. Chue, Barreno, Millones, Vásquez, Castillo, Estadística aplicada. Fondo Editorial de
la Universidad de Lima. 2009.
4. Jay L. Devore, Probabilidad y Estadística para Ingeniería y Ciencias. CENGAGE
Learning. Séptima Edición, 2008.
5. Ipiña & Durand, Inferencia estadística y análisis de datos. Pearson, Prentice-Hall.
2008.
6. Lind, Marchal, Wathen, Estadística aplicada a los negocios y la economía. Mc Graw
Hill. 2008.
7. Chue, Barreno, Millones, Vásquez, Castillo, Estadística descriptiva y probabilidades.
Fondo Editorial de la Universidad de Lima. 2007.
8. Quevedo Urías & Pérez Salvador, Estadística para Ingeniería y Ciencias. Grupo
Editorial Patria. 2008.

DE CONSULTA

1. Freund & Miller & Miller, Estadística Matemática con Aplicaciones. Pearson
Educación. 6ª Edición. 1996.
2. Walpole & Myers, Probabilidad y Estadística. McGraw-Hill. 4ª Edición. 1996.
3. Freund & Walpole, Estadística Matemática con Aplicaciones. Prentice-Hall, 4ª
Edición, 1990.
4. Hines & Montgomery, Probabilidad y Estadística para Ingeniería y Administración.
CECSA, 1986.
5. Mendenhall, Scheaffer, Wackerly, Estadística Matemática con Aplicaciones. Grupo
Editorial Iberoamérica. 1986.
6. Mendenhall & Sincich, Probabilidad y Estadística para Ingeniería y Ciencias.
Prentice-Hall 4ª Edición. 1997.
7. Scheaffer & McClave, Probabilidad y Estadística para Ingeniería. Grupo Editorial
Iberoamérica. 1993.
8. Véliz Capuñay Carlos, Estadística. Aplicaciones. Editorial San Marcos. 2000.
9. Walpole & Myers, Probabilidad y Estadística. McGraw-Hill. Cuarta edición. 1996.
ENLACES Y SITIOS WEB

http://ar.answers.yahoo.com/question/index?qid=20080803091252AAyiMLy

http://webpages.ull.es/users/jjsalaza/curriculum/books/GOBCAN02.pdf

http://www.fisterra.com/mbe/investiga/distr_normal/distr_normal2.pdf

http://www.hezkuntza.ejgv.euskadi.net/r43-
573/es/contenidos/informacion/dia6_sigma/es_sigma/adjuntos/sigma_27/4_distribucion_no
rmal.pdf

http://www4.ujaen.es/~ajsaez/recursos/EstadisticaIngenieros.pdf