Competencia: Analiza el modelo de regresin y correlacin lineal simple de dos variables empleando datos de naturaleza cuantitativa y aprecia
los pronsticos obtenidos en base al modelo.
SEMA
NA
Contenidos
conceptuales
9 Regresin lineal: Diagrama de
dispersin lineal positivo,
negativo, nulo y no lineal.
Modelo de regresin lineal
simple.
10 Coeficiente de correlacin lineal
de Pearson.
11 Aplicacin de casos para
determinar el modelo y la fuerza
de asociacin de dos variables.
IV UNIDAD
CONTENIDOS
Contenidos
procedimentales
Establece e interpreta el
modelo de regresin lineal
simple en forma analtica y
geomtrica.
Obtiene el valor del
coeficiente de correlacin
lineal de Pearson e
interpreta la direccin y la
fuerza de relacin.
Hace un estudio completo
de la probable relacin entre en la entrega de su
dos variables cuantitativas.
AVANCE
Indicadores de logro PORCEN
TUAL
Contenidos
actitudinales
Disfruta interactuar con Presenta un diagrama de 60%
toda la clase o con grupos dispersin usando la teora
de alumnos del ndice de correlacin
preseleccionados. como valor predictivo.
Est permanentemente Presenta la correlacin de 65%
activo y atento con el uso Pearson y el valor de R2
del software estadstico. con su interpretacin.
Es responsable y puntual Presenta un informe que 70%
contiene una relacin entre
informe estadstico. dos variables a travs de la
regresin lineal.
VI. ESTRATEGIAS METODOLGICAS

6.1. ESTRATEGIAS DE ENSEANZA

Seminario-taller, tiene como objetivo generar espacios de encuentro para el
intercambio de experiencias didcticas orientadas a favorecer la conceptualizacin
de principios estadsticos y la apropiacin de proyectos de anlisis de datos con
soporte computacional, en el marco de cursos de estadstica introductorios a nivel
universitario.
Investigacin grupal, especialmente en las unidades III y IV, ejemplificando en
la prctica los modelos de aprendizaje por indagacin y heurstica.
6.2. ESTRATEGIAS DE APRENDIZAJE
Lectura, de textos, artculos, publicaciones en Internet.
Experimentacin, a travs de proyectos de corto plazo.

VII. RECURSOS DIDCTICOS

De informacin: Libros, resmenes y guas de aprendizaje.
De soporte: lenguaje de programacin estadstico R, hoja de clculo de Microsoft
Excel.
De entorno: Aula informtica y biblioteca.

VIII. SISTEMA DE EVALUACIN

8.1. Tcnicas e Instrumentos

Tcnicas Instrumentos
Informtica Plataforma digital
Exposicin Lista de cotejo
Control de Lectura Prueba objetiva de seleccin mltiple
Intervenciones escritas Pruebas objetivas de seleccin mltiple

8.2. Criterios de evaluacin:

Analizar y describir informaciones estadsticas, utilizando los instrumentos
adecuados.
Identificar los diferentes elementos de un estudio estadstico.
Instalacin, uso y manejo del Lenguaje de Programacin Estadstico R.
Resolver problemas empresariales usando diversos mtodos y procedimientos
estadsticos.
Presentar adecuadamente los trabajos en distintos soportes, eligiendo la
representacin ms adecuada, y comunicar clara, ordenada y
coherentemente los resultados.

8.3. Calculo del Promedio Final :

Las dos evaluaciones sumativas se determinara de la siguiente manera:

Siendo:
EP: Examen parcial
Cl: Control de lectura
Lab : Prcticas de laboratorio
 Promedio Final :
IX FUENTES DE INFORMACIN

1. Alvarado, P. (2009). Estadstica para la Administracin y Economia. Lima: Universidad

de Piura.
2. Arriaza, A. (2008). Estadstica Bsica con R y R - Commander. Madrid: Universidad de
Cadiz.
3. Berenson, M. (1996). Estadstica para negocios y economia. D.F. Mxico: Prentice Hall.
4. Blalock, H. (1986). Estadstica Social. D.F. Mxico: Fondo de Cultura Econmica.
5. Bonilla, G. (1991). Mtodos Prcticos de Inferencia Estadstica. Madrid: Editorial Trillas.
6. Canavos, G. (1992). Probabilidad y Estadstica, aplicaciones y mtodos. D.F. Mxico:
McGrawHill.
7. Cantatore, N. (1983). Manual de Estadstica Aplicada. D.F. Mxico: Hemisferio Sur.
8. Carleos, C. (2009). Instalacin del paquete estadstico R. Madrid: Universidad de
Oviedo.
9. Castillo, J. (2010). Mtodos Estadsticos con R y R - Commander. Madrid: Universidad
de Jaen.
10. Chao, L. (1995). Introduccin a la estadstica. D.F. Mxico: CECSA.
11. Christensen, H. (1990). Estadstica paso a paso. D.F. Mxico: Trillas.
12. Cochran, W. (1998). Tecncias de muestreo. D.F. Mxico: CECSA Editores.
13. Cordova, M. (2003). Estadstica Descriptiva. Lima: Moshera.
14. Cordova, M. (2006). Estadstica Inferencial. Lima : Moshera.
15. Cordova, M. (2008). Estadsitica Aplicada. Lima: Moshera.
16. Freund, J. (1994). Estadstica Elemental. D.F. Mxico: Prentice Hall.
17. Garcia, C. (1998). Estadstica descriptiva y probabilidades. Lima: Universitaria.
18. Kazmier, L. (1991). Estadstica Aplicada a la Administracin y Economia. D.F. Mxico:
McGrawHill.
19. Koherl, H. (1996). Estadsitica para los negocios y Economia. D.F. Mxico: CECSA.
20. Kolmogorov, A. (1960). La teora general de la medida y el clculo de probabilidades.
Moscu: MIR.
21. Kolmogorov, A. (1984). Los Fundamentos de la Teora de la Probabilidad. Moscu: MIR.
22. Koroliuk, V. (1981). Manual de la teora de probabilidades y estadstica matemtica.
Moscu: MIR.
23. Martinez, C. (1992). Estadstica. Bogota: Apartado.
24. Moya, R. (2006). Estadstica Descriptiva. Lima : San Marcos.
25. Moya, R. (2006). Probabilidad e Inferencia Estadstica. Lima: San Marcos.
26. Murray, R. (2009). Estadstica. D.F. Mxico: McGrawHill.
27. Ostle, B. (1990). Estadstica Aplicada. D.F. Mxico: Limusa Noriega.
28. Paradis, E. (2003). R para principiantes. Montpellier: Universidad de Hawai.
29. Portus, L. (1995). Curso prctico de estadstica. D.F. Mxico: McGrawHill.
30. Smirnov, N. (1978). Clculo de probabilidades y estadstica matemtica. Moscu: MIR.
31. Vilenkin, V. (1981). De cuntas formas? Combinatoria. Moscu: MIR.
32. Yamane, T. (1989). Estadstica. D.F. Mxico: Harla.
 Huancavelica, Abril de 2017

__________________________________
Mg. CARHUARICRA CUSIPUMA, Jos.
Docente