Universidad ESAN

MAESTRA EN ADMINISTRACIN
TIEMPO PARCIAL - MATP61 - 2016-3
GRUPO 2
Curso Obligatorio
Del 26 de noviembre de 2016 al 08 de febrero de 2017
DATOS GENERALES DEL CURSO
Asignatura
rea Acadmica

:
:

Crditos

Anlisis de Datos para la Gerencia

Operaciones y Tecnologas de
Informacin
2.0

DATOS DEL PROFESOR

Nombre
Correo electrnico
Telfonos

I.

:
:
:

Toms Minauro La Torre

tminauro@esan.edu.pe
317 7200 4756
712 7298
RPM: *389785
Celular: 995 185 818

Sumilla
Este curso presenta los fundamentos del anlisis de datos cuantitativos
utilizados para el anlisis del riesgo y la formulacin de modelos de decisin
en ambientes de incertidumbre. Partiendo de una comprensin de sus
conceptos bsicos, se concentra en la aplicacin de las tcnicas cuantitativas
en la interpretacin de sus resultados.
Se pretende brindar una visin panormica completa del proceso de anlisis
de datos, que le permita al gerente obtener informacin adecuada para el
proceso de Toma de Decisiones.
Se buscar desarrollar en el futuro gerente, un conocimiento general de los
conceptos y tcnicas utilizadas en el anlisis de datos, que le permitirn
entender el anlisis, obtener conclusiones y comunicar sus resultados. El
curso parte presentando la estadstica descriptiva. Luego sobre la base de la

esan

teora de probabilidades, trabajamos la estadstica inferencial, los estudios

por encuestas, para finalmente trabajar el anlisis de regresin.
Aunque inevitablemente se trata de un curso con contenidos matemticos,
se prescindir de demostraciones matemticas. Es de esperar que los
alumnos con profesin matematizada, tengan que desplegar menor
esfuerzo que los de profesin humanstica; no obstante, todos los temas que
se desarrollarn en este curso, estarn al alcance de cualquier profesional.

II.

Objetivo de la Asignatura
Al terminar el curso de Anlisis de Datos el participante deber ser capaz de
comprender y aplicar conceptos y tcnicas estadsticas para convertir datos
en informacin adecuada para identificar problemas, analizarlos y proponer
soluciones viables en distintos aspectos de la gestin empresarial.

III.

Contenidos
Como se dijo lneas arriba, el curso cubrir bsicamente cuatro reas de la
Estadstica: Estadstica descriptiva, Teora de Probabilidades, Inferencia
Estadstica, Anlisis de Regresin Lineal. A continuacin describimos el
contenido del curso.
Estadstica Descriptiva
En esta parte del curso se revisarn los elementos bsicos del recojo,
presentacin y resumen de datos grfica y numricamente. Estudiaremos
aqu los principales indicadores de tendencia central y dispersin utilizados
para resumir un conjunto de datos.
Teora de Probabilidades
Aqu se describirn los conceptos bsicos de probabilidad y las principales
distribuciones de probabilidad utilizadas en la inferencia estadstica:
Distribucin Binomial y Distribucin Normal.
Inferencia Estadstica
Seguidamente se presentarn los procedimientos estadsticos utilizados para
emitir juicios con respecto a poblaciones usando datos obtenidos de
muestras, es decir el proceso de inferencia estadstica que comprende tanto
la estimacin como la prueba de hiptesis. Comenzamos estudiando el
proceso de estimacin puntual y por intervalos de promedios y proporciones.
Luego presentaremos los mtodos para la prueba de hiptesis tambin para
promedios y proporciones, para el caso de una o dos muestras. Finalmente,
trabajaremos tambin la inferencia con estudios por encuestas.
Regresin Lineal
En esta parte se presentar la aplicacin e interpretacin del anlisis de
regresin lineal simple y mltiple. Luego de revisar los conceptos y mtodos
bsicos del modelo simple as como su implementacin, estudiaremos los
supuestos del modelo, los coeficientes de correlacin y determinacin.
Posteriormente se estudiar el modelo de regresin mltiple, su aplicacin,
supuestos, y la validacin de ellos.

esan

IV.

Programacin de Contenidos
Unidad de Aprendizaje 1: ESTADSTICA DESCRIPTIVA
Resultados de aprendizaje de la Unidad:
En esta parte se busca que los participantes sean capaces de hacer
descripciones pertinentes de conjuntos de datos, usando las herramientas
presentadas en el curso. Especficamente debern ser capaces de:

Entender cmo se puede usar la estadstica en los negocios.

Identificar fuentes de datos.
Explicar las diferentes escalas de medicin usadas.
Organizar, presentar y resumir datos.
Realizar su anlisis usando Microsoft Excel.

Sesin 1

Introduccin a la recoleccin y descripcin de datos

Lecturas, casos, material de apoyo:

Anderson, D., Sweeney, D., Williams, T., Camm, J. & Cochran, J. (2016).
Los datos y la estadstica. En Estadstica para negocios y economa (pp.132) (1086p.)(12ava ed.). Mxico, D.F.: Cengage Learning.
(Texto)
Ibdem. Estadstica descriptiva: Presentaciones tabulares y grficas (pp.3398) Op cit.
(Texto)
Sesin 2

Descripcin de Datos: Resmenes Numricos

Lecturas, casos, material de apoyo:

Anderson, D., Sweeney, D., Williams, T., Camm, J. & Cochran, J. (2016).
Estadstica descriptiva: medidas numricas (pp.99-168). Op cit.
(Texto)
Sesin 3

Taller de Aplicacin: Resmenes tabulares y grficos.

Lecturas, casos, material de apoyo:

Los materiales sern entregados por el profesor.
Unidad de Aprendizaje 2: TEORA DE PROBABILIDADES
Resultados de aprendizaje de la Unidad:
A partir de los conceptos bsicos de probabilidades, se busca que los
participantes realicen una adecuada medicin de sus riesgos en el proceso
de toma de decisiones. Asimismo se trata de lograr el manejo adecuado de
las principales distribuciones de probabilidades usadas en el proceso de
inferencia: Binomial y Normal. Especficamente cebaran ser capaces de:

Explicar los conceptos bsicos de probabilidades.

Aplicar el Teorema de Bayes para revisar probabilidades.
Entender las propiedades de una distribucin de probabilidades.
Estudiar las principales Distribuciones de Probabilidades tericas,
discretas y continuas.
Aplicar las distribuciones Binomial y Normal principalmente.
Realizar su anlisis usando Microsoft Excel.

esan

Sesin 4

Probabilidades: Conceptos bsicos.

Lecturas, casos, material de apoyo:

Anderson, D., Sweeney, D., Williams, T., Camm, J. & Cochran, J. (2016).
Introduccin a la probabilidad (pp.169-214). Op. Cit.
(Texto)
Sesin 5

Probabilidades:
probabilidad.

Principales

distribuciones

de

Lecturas, casos, material de apoyo:

Anderson, D., Sweeney, D., Williams, T., Camm, J. & Cochran, J. (2016).
Distribuciones discretas de probabilidad (pp.215-264). Op. Cit. (Texto)
Ibdem. Distribuciones de probabilidad continua (pp.265-297). Op. Cit.
(Texto)
Unidad de Aprendizaje 3: INFERENCIA ESTADSTICA
Resultados de aprendizaje de la Unidad:
Aqu vemos el proceso por el que a partir de informacin muestral, llegamos
a conclusiones sobre las poblaciones. El objetivo es lograr el entendimiento
y aplicacin de dos procesos: estimacin y prueba de hiptesis. Asimismo
explicaremos cmo se realizan los estudios por encuestas para lograr la
comprensin de sus resultados. Al terminar esta parte, el participante ser
capaz de:

Explicar el concepto de Distribucin Muestral.

Entender la importancia del Teorema del Lmite Central.
Desarrollar intervalos de confianza para la estimacin.
Aplicar los principios bsicos de una prueba de hiptesis.
Desarrollar pruebas de hiptesis para diferentes situaciones de promedios
y proporciones.
Explicar las implicancias del uso de diferentes procedimientos de
muestreo en estudios por encuestas.
Realizar su anlisis usando Microsoft Excel.
Sesin 6

Muestreo y Distribuciones Muestrales

Lecturas, casos, material de apoyo:

Anderson, D., Sweeney, D., Williams, T., Camm, J. & Cochran, J. (2016).
Muestreo y distribuciones de muestreo (pp.298-341). Op. Cit.
(Texto)
Sesin 7

Inferencia Estadstica: Estimacin

Lecturas, casos, material de apoyo:

Anderson, D., Sweeney, D., Williams, T., Camm, J. & Cochran, J. (2016).
Estimacin por intervalo (pp.342-381) Op. Cit.
(Texto)

esan

Sesin 8

Prueba de Hiptesis para Promedios y Proporciones.

Lecturas, casos, material de apoyo:

Anderson, D., Sweeney, D., Williams, T., Camm, J. & Cochran, J. (2016).
Pruebas de hiptesis (pp.382-440). Op. Cit.
(Texto)
Sesin 9

Taller de Aplicacin: Inferencia Estadstica

Lecturas, casos, material de apoyo:

Los materiales sern entregados por el profesor.
Sesin 10

Inferencia Estadstica: Pruebas de Hiptesis con dos

poblaciones.

Lecturas, casos, material de apoyo:

Anderson, D., Sweeney, D., Williams, T., Camm, J. & Cochran, J. (2016).
Inferencia Estadstica acerca de medias y de proporciones con dos
poblaciones (pp.441-481). Op. Cit.
(Texto)
Sesin 11

Taller de Aplicacin: Inferencia Estadstica II.

Lecturas, casos, material de apoyo:

Los materiales sern entregados por el profesor.
Sesin 12

Estudios por Encuestas.

Lecturas, casos, material de apoyo:

Anderson, D., Sweeney, D., Williams, T. (2016). Survey Sample.
(Disponible Esan Virtual)
Unidad de Aprendizaje 4: REGRESIN LINEAL Y PRONSTICO
Resultados de aprendizaje de la Unidad:
En esta parte buscamos que los participantes logren un total entendimiento
del uso de los modelos matemticos lineales para representar relaciones
entre dos o ms variables. Al terminarla, el participante deber ser capaz
de:
Aplicar el anlisis de regresin para explicar o predecir una variable
dependiente basado en otra u otras variables independientes.
Evaluar el cumplimiento de los supuestos del anlisis de regresin.
Interpretar y realizar inferencias acerca de los coeficientes de regresin.
Determinar qu variables se incluyen en un modelo y cules no.
Construir un modelo de regresin usando el mtodo de Stepwise.
Realizar su anlisis usando Microsoft Excel.

esan

Sesin 13

Anlisis de Regresin: Fundamentos.

Lecturas, casos, material de apoyo:

Anderson, D., Sweeney, D., Williams, T., Camm, J. & Cochran, J. (2016).
Regresin lineal simple. (pp.598-681). Op. Cit.
(Texto)
Sesin 14

Anlisis de Regresin: Regresin Mltiple

Lecturas, casos, material de apoyo:

Anderson, D., Sweeney, D., Williams, T., Camm, J. & Cochran, J. (2016).
Regresin mltiple, (pp.682-750). Op. Cit.
(Texto)
Ibdem. Anlisis de Regresin: Construccin de modelos (pp.751-799). Op.
Cit.
(Texto)
Sesin 15

Taller de Aplicacin: Regresin Lineal I.

Lecturas, casos, material de apoyo:

Los materiales sern entregados por el profesor.
Sesin 16

Taller de Aplicacin: Regresin Lineal II.

Lecturas, casos, material de apoyo:

Los materiales sern entregados por el profesor.
EXAMEN FINAL

V.

Metodologa
Las sesiones de clase servirn para discutir y aclarar los conceptos que se
presentan en los materiales de lectura sobre la base de aplicaciones
concretas. Las sesiones de taller las usaremos para desarrollar y discutir
ejercicios y casos aplicados. Usaremos el material de lectura para introducir
los conceptos y tcnicas y en clase revisaremos los aspectos ms
importantes de cada una de ellas, enfatizando en su aplicabilidad.
El curso requiere la participacin activa de todos, tanto en la discusin de los
casos y ejercicios como en la presentacin de conceptos por parte del
profesor. Se espera que el alumno haga una lectura previa del material de
clase, para poder participar en la discusin del mismo.
Se asignan casos y ejercicios a domicilio, que los alumnos debern presentar
por escrito al inicio de la sesin correspondiente. Estas tareas buscan
reforzar la aplicacin prctica de los mtodos enseados y desarrollar el
criterio de los participantes para el uso del anlisis de datos, enfatizando la
interpretacin e inferencias realizadas a partir de los resultados numricos.
Las preguntas en los casos sern respondidas a base de conclusiones o
recomendaciones generadas a partir del anlisis de los datos en lugar de ser
resueltas solamente aplicando una prueba estadstica y encontrando un

esan

resultado numrico. Los casos sern desarrollados y presentados en grupos,

salvo indicacin expresa del profesor de que el trabajo es individual.
Asimismo, hay seis controles escritos breves en clase, dirigidos a verificar el
avance de los participantes en la comprensin de los conceptos del curso y
su aplicacin a casos de decisin empresarial. De las seis notas se eliminar
las dos ms bajas y se obtendr el promedio de las restantes. Se
desarrollarn segn el siguiente calendario:
Control
1

Fechas
sbado, 10 de diciembre de 2016

sbado, 17 de diciembre de 2016

mircoles, 11 de enero de 2017

sbado, 14 de enero de 2017

sbado, 28 de enero de 2017

sbado, 04 de febrero de 2017

Se complementa la evaluacin del curso con un trabajo final y un examen

final el 15 de febrero de 2017. Ambos se dirigen a verificar el cumplimiento
del objetivo del curso esto es, debern demostrar que son capaces de
comprender y aplicar los conceptos y tcnicas estadsticas para interpretar
informes cuantitativos sobre distintos aspectos de la gestin empresarial.
Se utilizar MS Excel para todos los clculos y anlisis realizados. Con ello se
busca prescindir de la memorizacin y uso mecnico de frmulas. Las hojas
de clculo usadas para las clases y talleres podrn ser adaptadas y
reutilizadas por los alumnos en los exmenes y al desarrollar los casos y
ejercicios de ser pertinente.

VI. Evaluacin

Ejercicios y Casos
Controles
Participacin
Trabajo Final
Examen Final

25
15
10
15
35

%
%
%
%
%

Total

100 %

VII. Fuentes de Informacin

Texto:
Anderson, D., Sweeney, D., Williams, T., Camm, J. & Cochran, J. (2016).
Estadstica para negocios y economa (pp.1-32) (1086p.)(12ava ed.).
Mxico, D.F.: Cengage Learning.

esan

VIII. Informacin Adicional (CV abreviado del profesor)

Toms Minauro
MSc in Business Administration, Pennsylvania State University. MBA de
ESAN. Bachiller en Ciencias con mencin en Estadstica de la Universidad
Nacional Agraria La Molina. Profesor del rea de Operaciones y Tecnologas
de Informacin.
Associate Professor, Operations and Information Technology area. MSc in
Business Administration, Pennsylvania State University, USA. MBA, ESAN,
Peru. Bachelor's Degree in Sciences with concentration in Statistics,
Universidad Nacional Agraria La Molina, Peru.

esan