Este curso tiene como propósito introducir al estudiante en el campo de la probabilidad y la estadística proporcionándole métodos descriptivos y analíticos que permitan, el estudio de la variabilidad de los datos que se generados en los diferentes procesos y sistemas cercanos a su quehacer profesional y por otro, fundamenta el pensamiento estadístico que acompaña la toma de decisiones asociada a resultados inciertos. Con la metodología estadística, el estudiante puede realizar experimentaciones en búsqueda de mejoras en la calidad, la optimización, el desarrollo y el mejoramiento de sus productos.
Al finalizar el curso los participantes podrán:
Sesión | Horas de Clase | Tópicos | Bibliografía |
---|---|---|---|
1 | 2 | Presentación del curso, video motivacional. Metodología Estadística. Clasificación de los datos, introducción al muestreo (muestreo aleatorio simple, sistemático, estratificado). Agrupación en tablas de frecuencia, construcción de gráficos. | Guía 1. Navidi(2006) Cap.1 |
2 | 2 | Indicadores de centro, dispersión y forma, indicadores de posición, diagrama de cajas. Explicación del proyecto del curso | Guía 1 Navidi(2006) Cap.1 |
Total de Horas: 4.
Sesión | Horas de Clase | Tópicos | Bibliografía |
---|---|---|---|
3 | 2 | Historia de la probabilidad, experimentos, espacios muestrales, eventos. | Guía 2 |
4 | 2 | Técnicas de conteo. Enfoque frecuentista y axiomático de la probabilidad | Guía 2 Meyer(1986)Cap.2,3 Navidi(2006) Cap.2 |
5 | 2 | Reglas aditivas, multiplicativas de probabilidad | Guía 3 Meyer(1986)Cap.3 Navidi(2006) Cap.2 |
6 | 2 | Probabilidad condicional, particiones, probabilidad total y regla de Bayes. | Guía 3 Meyer(1986)Cap.3 Navidi(2006) Cap.2 |
Total de Horas: 8.
Sesión | Horas de Clase | Tópicos | Bibliografía |
---|---|---|---|
7 | 2 | Concepto de variable aleatoria, clasificación de variables, distribución de probabilidad discreta. | Guía 4 Navidi(2006) Cap.2 |
8 | 2 | Variable aleatoria continua, función de densidad de probabilidad, función de distribución. | Guía 5 Navidi(2006) Cap.2 |
9 | 2 | Distribuciones de probabilidad conjunta discreta y distribución de probabilidad conjunta continua. | Guía 6 Navidi(2006) Cap.2 |
10 | 2 | Valor esperado, varianza de una variable aleatoria. Covarianza, coeficiente de correlación variables aleatorias. Media y varianza de combinaciones lineales de variables aleatorias. | Guía 7 Navidi(2006) Cap.2 |
11 | 2 | Distribuciones Uniforme, Bernoulli | Guía 8 Navidi(2006) Cap.4 |
12 | 2 | Distribución Binomial, Hipergeométrica, Poisson | Guía 8 Navidi(2006) Cap.4 |
13 | 2 | Distribuciones continuas de probabilidad: Uniforme, Normal | Guía 9 Navidi(2006) Cap.4 |
14 | 2 | Gamma, Exponencial y Weibull. Distribución empírica. Simulación de variables aleatórias. | Guía 9 Laboratorio 1 |
Total de Horas: 16.
Sesión | Horas de Clase | Tópicos | Bibliografía |
---|---|---|---|
15 | 2 | Estimación puntual, método de momentos. | Guía 10 Sarabia(2007)Cap.9 |
16 | 2 | Método de máxima verosimilitud | Guía 10 Sarabia(2007)Cap.9 |
17 | 2 | Introducción computacional de propiedades de un estimador puntual: insesgadez, consistencia y eficiencia relativa. | Guía 10 Sarabia(2007)Cap.9 |
18 | 2 | Propiedades de un estimador puntual: insesgadez, consistencia y eficiencia relativa. | Guía 10 Laboratorio 2 Sarabia(2007)Cap.9 |
19 | 2 | Distribución de probabilidad de la media muestral y de la proporción muestral | Guía 11 |
20 | 2 | Teorema del límite central | Guía 11 Navidi(2009)Cap.4 |
21 | 2 | Distribución de probabilidad para la varianza muestral | Guía 12 |
22 | 2 | Distribuciones muéstrales Chi-cuadrado, t-student y F de Fisher. Estimación por intervalo de confianza, intervalos de confianza para la media y la proporción | Guía 12 |
23 | 2 | Estimación por intervalo de confianza la varianza. Sesiones 25: Intervalos de confianza para comparar dos poblaciones desde sus medias, proporciones y varianzas. | Guía 13 Navidi(2009)Cap.5 |
24 | 2 | Introducción a la prueba de hipótesis | Guía 14 Navidi(2009)Cap.5 |
25 | 2 | Errores tipo I y tipo II, potencia | Guía 14 Navidi(2009)Cap.5 |
26 | 2 | Prueba de hipótesis de una población | Guía 14 Navidi(2009)Cap.5 |
27 | 2 | Prueba de hipótesis de dos poblaciones. Valor p para la toma de decisiones en la prueba de hipótesis | Guía 14 Navidi(2009)Cap.5 |
Total de Horas: 26.
Sesión | Horas de Clase | Tópicos | Bibliografía |
---|---|---|---|
28 | 2 | Introducción a la regresión lineal, análisis de correlación lineal. | Guía 15 Navidi(2009)Cap.7 |
29 | 2 | Estimación por mínimos cuadrados, análisis de varianza, validación de supuestos | Guía 15 Navidi(2009)Cap.7 |
30 | 2 | Modelo de regresión lineal múltiple, enfoque matricial | Guía 16 Navidi(2009)Cap.8 |
31 | 2 | Aplicaciones y otros métodos de estimación no paramétricos | Guía 16 Navidi(2009)Cap.8 |
32 | 2 | Sustentaciones del proyecto | Documento proyecto |
Total de Horas: 12.
(A) La habilidad para aplicar conocimientos de matemáticas, ciencias e ingeniería.
(B) La habilidad para analizar un problema e identificar los requerimientos necesarios para su definición y solución.
(C) La habilidad para diseñar, implementar y evaluar procesos y sistemas computacionales.
(D) La habilidad para funcionar en equipos de trabajo.
(E) El entendimiento de la responsabilidad profesional y ética.
(F) La habilidad para comunicarse efectivamente.
(G) La habilidad para analizar los impactos de la computación y la ingeniería en las personas, organizaciones y la sociedad.
(H) El reconocimiento de la necesidad de, y la habilidad para, continuar con el desarrollo profesional.
(I) La habilidad para usar las técnicas, destrezas y herramientas modernas para la práctica de la computación.
(J) La habilidad para aplicar los fundamentos y principios de las matemáticas y de la computación en el modelamiento y diseño de sistemas computacionales de manera que se demuestre comprensión de las ventajas y desventajas en las decisiones de diseño.
(K) La habilidad para aplicar los principios de diseño y desarrollo de software en la construcción de sistemas de diferente complejidad.
Resultados de Programa | |||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
A | B | C | D | E | F | G | H | I | J | K | |
Relevancia | 3 | 2 | 1 | 1 |
Escala: (1) baja relevancia - (5) alta relevancia.
Resultados del Programa | Indicadores de Desempeño | Objetivos/Contenido del Curso | Actividades de aprendizaje | Instrumentos de medición |
---|---|---|---|---|
(A) Aplicación de Conocimientos | (A1) Identificar los fundamentos científicos y los principios de ingeniería que rigen un proceso o sistema. (Conocimiento). (A2) Resolver problemas relacionados con la disciplina y otras áreas por medio de la utilización de conocimientos, modelos y formalismos de las ciencias de la computación, las matemáticas y la ingeniería. (Aplicación) . (A3) Analizar conjuntos de datos. (Análisis) . (A4) Interpretar modelos matemáticos para estimar su precisión y confiabilidad. (Comprensión) | Todos | Lectura, comprensión y discusión de guías, desarrollo de autoevaluaciones temáticas Blackboard, exposición oral del profesor, evaluación de desempeño de estudiante, solución de talleres. | Exámenes, talleres, reporte del profesor de la participación del estudiante. |
(B) Análisis de problemas y requerimientos | (B2) Utilizar el lenguaje propio de las matemáticas, la lógica y la ingeniería para especificar requerimientos funcionales y no funcionales de un sistema o proceso. (Aplicación).. (B3) Sintetizar la información, evidencias y hechos necesarios para analizar un problema. (Análisis - Síntesis).. (B4) Formular hipótesis. | Todos | Lectura, comprensión y discusión de guías, desarrollo de autoevaluaciones temáticas Blackboard, exposición oral del profesor, evaluación de desempeño de estudiante, solución de talleres, desarrollo de problemas a través de un proyecto. | Talleres, reporte del profesor de la partici-pación del estudiante, informe de proyecto. |
(I) Uso de herramientas y técnicas | (I2) Utilizar herramientas de diseño, modelamiento y simulación. (Aplicación). | Todos | Solución de laboratorio, desarrollo de problemas a través de un proyecto. | Informe de proyecto, informe de laboratorio. |
(J) Modelamiento y diseño de sistemas computacionales | (J2) Relacionar conceptos y principios teóricos para la resolución efectiva de un problema. (Síntesis). . (J3) Combinar principios de matemáticas, computación e ingeniería para modelar una situación. (Síntesis). . | Todos | Lectura, comprensión y discusión de guías, desarrollo de autoevaluaciones temáticas Blackboard, exposición oral del profesor, evaluación de desempeño de estudiante, solución de talleres. | Exámenes, talleres, reporte del profesor de la participación del estudiante. |
Instrumento | Porcentaje | A | B | C | D | E | F | G | H | I | J | K |
---|---|---|---|---|---|---|---|---|---|---|---|---|
Parcial 1 | 20% | |||||||||||
Parcial 2 | 20% | |||||||||||
Examen final | 20% | |||||||||||
Laboratorio1 | 5% | |||||||||||
Laboratorio2 | 5% | |||||||||||
Laboratorio3 | 5% | |||||||||||
Proyecto | 13% | |||||||||||
Trabajo1 | 4% | |||||||||||
Trabajo2 | 4% | |||||||||||
Trabajo3 | 4% |
Los exámenes parciales serán programados por la Secretaria Académica de la Facultad de Ingeniería y publicados con anticipación.
No se permitirá uso de celular, blackberry, iphone en los exámenes, solo lápiz y calculadora. El profesor facilitará las tablas que se requieran.
Cuando un estudiante no presente un parcial, deberá presentar justificación por escrito al director de la Carrera y éste decidirá si autoriza el supletorio y en tal caso, deberá pagar en la tesorería el monto estipulado. El estudiante solo podrá presentar un supletorio en cada curso. Para presentar el supletorio el estudiante deberá estar pendiente de la hora y el salón y presentarse con sus documentos de identificación y recibo de pago.
Obligatoria
Salón de clase datadas con tablero, computador y proyector, Sala de computo con computadores con algunos softwares estadísticos, Sala con tablero digital.