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: ESTADÍSTICA II – 204006

1.2 Número de créditos : 04
1.3 Número de horas semanales : Teoría: 03 horas, Práctica: 02 horas
1.4 Ciclo de estudio: VI
1.5 Periodo Académico: 2017 - II
1.6 Pre-requisitos : 203005 – Estadística I
1.7 Profesores: Zoraida Huamán Gutiérrez (Coord.)

2. SUMILLA

Probabilidad. Probabilidad condicional e independencia de eventos. Variables aleatorias. Momentos

de variables aleatorias. Distribuciones de probabilidad importantes: distribuciones de variable discreta,
distribuciones de variable continua. Inferencia estadística: conceptos básicos, distribuciones
muestrales: tipos y teoremas. Estimación de parámetros. Prueba de hipótesis.

3. COMPETENCIA GENERAL

El estudiante, al concluir la asignatura, estará capacitado en altos niveles de competencia para aplicar
conceptos, principios y técnicas para el 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 muestrales; determinar tamaños de muestra
adecuados a situaciones particulares; construir intervalos de confianza para estimar parámetros de
interés; contrastar hipótesis, valorando la importancia de la estadística en el ejercicio profesional.

3.1 COMPETENCIAS ESPECÍFICAS:

 Aplicar conceptos, principios y técnicas para el cálculo de probabilidades, en espacios muestrales
finitos e infinito numerables, valorando su importancia en la aplicación a situaciones reales.
 Identificar conceptos, principios y técnicas para el modelado de fenómenos aleatorios, usando el
enfoque de variable aleatoria, evaluando las características numéricas y construyendo modelos de
probabilidad, valorando la importancia de su aplicación en espacios muestrales infinito no
numerables.
  Definir y aplicar conceptos, principios y técnicas para la elección de una muestra aleatoria,
haciendo uso de las distribuciones muestrales, valorando su importancia en el proceso de
inferencia estadística.
 Definir y 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 muchas áreas del quehacer humano.
 Definir y aplicar conceptos, principios y técnicas para la prueba de hipótesis, contrastando la teoría
y la realidad mediante una muestra, valorando su importancia como un problema de decisión de
mucha aplicación en el quehacer profesional del ingeniero de sistemas.

4. PROGRAMACIÓN

UNIDAD 1: ESPACIO DE PROBABILIDAD

COMPETENCIA:
Aplicar conceptos, principios y técnicas para el cálculo de probabilidades, en espacios muestrales
finitos e infinito numerables, valorando su importancia en la aplicación a situaciones reales.
CAPACIDADES
 Identifica fenómenos aleatorios, caracterizándolos completamente.
 Describe, en un nivel aceptable, el espacio muestral asociado a un fenómeno aleatorio,
listando sus elementos por extensión y por comprensión.
 Construye eventos y realiza operaciones con ellos, aplicando la teoría de conjuntos.
 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.
 Calcula probabilidades de eventos dependientes e independientes, haciendo un manejo
adecuado de sus propiedades.
CONTENIDOS ESTRATEGIAS EVALUACION
SEM.
CONCEPTUALES DIDACTICAS CRITERIOS INSTRUMENTOS
TEORIA
Fenómenos Aleatorios.
Espacio Muestral
Asociado. Métodos: Deductivo,
Eventos: Ocurrencia y lógico, activo, flexible,
Operaciones con Eventos. de trabajo colectivo.
Comprensión y
Resolución de ejercicios
1
Probabilidad: Técnicas: Expositiva y problemas, pruebas
aplicación
Propiedades con material de apoyo, específicas.
participativa, sesiones
de trabajo.
PRACTICA
Práctica dirigida sobre
fenómeno aleatorio, espacio
muestral, eventos.
TEORIA
Asignación de
Probabilidades a Eventos Métodos: Deductivo,
en Espacios Finitos. lógico, activo, de
Métodos de trabajo colectivo, Comprensión
Enumeración. Resolución de ejercicios
2 analítico. aplicación y
y problemas, pruebas
Aplicaciones. Técnicas: Expositiva análisis,
específicas.
con material de apoyo,
participativa, sesiones
PRACTICA de trabajo.
Práctica dirigida sobre
asignación de
 probabilidades, aplicando
técnicas de conteo.

TEORIA
Probabilidad
Condicional: Definición,
Propiedades.
Teorema de
Multiplicación. Teorema
de Probabilidad Total. Métodos: Deductivo,
Teorema de Bayes. lógico, activo, flexible,
de trabajo colectivo, Comprensión Resolución de ejercicios
Independencia de
3 analítico. aplicación y y problemas, pruebas
Eventos: Definición, Técnicas: Expositiva análisis. específicas, práctica
Propiedades. con material de apoyo, calificada.
participativa, sesiones
PRACTICA de trabajo.
Práctica dirigida sobre
probabilidad condicional
e independencia de
eventos.
PRIMERA PRACTICA
CALIFICADA
BIBLIOGRAFÍA:
Mendenhall, Scheaffer, Wackerly, Estadística Matemática con Aplicaciones. Grupo Editorial
Iberoamérica. 1986.
Véliz Capuñay Carlos, Estadística. Aplicaciones. Editorial San Marcos. 2000.
Walpole & Myers, Probabilidad y Estadística. McGraw-Hill. Cuarta edición. 1992

UNIDAD 2: VARIABLE ALEATORIA Y DISTRIBUCION DE PROBABILIDAD

COMPETENCIA
Aplicar conceptos, principios y técnicas para abordar fenómenos aleatorios, usando el enfoque de
variable aleatoria, clasificándolas, construyendo modelos de probabilidad según su tipo, evaluando sus
características numéricas y valorando la importancia de su aplicación en espacios muestrales infinito
no numerables.
CAPACIDADES
 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.
 Construye la función de distribución acumulativa de una variable discreta y continua.
 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.

CONTENIDOS ESTRATEGIAS EVALUACION

SEM.
CONCEPTUALES DIDACTICAS CRITERIOS INSTRUMENTOS
TEORIA Métodos: Deductivo,
Definición de una Variable lógico, activo,
Aleatoria. Tipos de flexible, de trabajo
Variables Aleatorias. Resolución de ejercicios
4 colectivo. Comprensión y
y problemas, pruebas
Variable aleatoria Discreta: Técnicas: Expositiva aplicación.
específicas.
Función de Cuantía y con material de
Distribución de apoyo, participativa,
probabilidad. sesiones de trabajo.
 Variable Aleatoria Continua:
Función de Densidad y
Distribución de
probabilidad.
Función de Distribución
Acumulativa de una Variable
Aleatoria. Propiedades.

PRACTICA
Práctica dirigida sobre variable
aleatoria y distribución de
probabilidad.
TEORIA
Esperanza Matemática de
una Variable Aleatoria:
Definición. Propiedades. Métodos: Deductivo,
Varianza de una Variable lógico, activo, de
Aleatoria: Definición. trabajo colectivo. Comprensión y Resolución de ejercicios
5
Técnicas: Expositiva aplicación. y problemas, pruebas
Propiedades. con material de específicas.
apoyo, participativa,
PRACTICA sesiones de trabajo.
Práctica dirigida sobre
esperanza y varianza de una
variable aleatoria.
TEORIA
Distribuciones Especiales de
Variable Discreta: Bernoulli; Métodos: Analógico,
Binomial; Poisson; lógico, activo,
flexible, de trabajo Comprensión
Geométrica; Pascal; Resolución de ejercicios
6 colectivo, sintético. aplicación y
Hipergeométrica. Técnicas: Expositiva análisis.
y problemas, pruebas
específicas.
con material de
PRACTICA apoyo, participativa,
Práctica dirigida sobre sesiones de trabajo.
distribuciones especiales de
variable discreta.
TEORIA
Distribuciones Especiales de
Variable Continua: Métodos: Deductivo,
Uniforme; Exponencial; lógico, activo,
Normal: Propiedades, flexible, de trabajo Comprensión Resolución de ejercicios
7 Estandarización, Manejo de colectivo. aplicación y y problemas, pruebas
Tabla. Técnicas: Expositiva análisis. específicas, examen
con material de parcial.
PRACTICA apoyo, participativa,
Práctica dirigida sobre sesiones de trabajo.
distribuciones especiales de
variable continua.
8 EXAMEN PARCIAL

BIBLIOGRAFÍA:
Jay L. Devore, Probabilidad y Estadística para Ingeniería y Ciencias. CENGAGE Learning.
Mendenhall, Scheaffer, Wackerly, Estadística Matemática con Aplicaciones. Grupo Editorial
Iberoamérica. 1986.
Véliz Capuñay Carlos, Estadística. Aplicaciones. Editorial San Marcos. 2000.
Walpole & Myers, Probabilidad y Estadística. McGraw-Hill. Cuarta edición. 1992
UNIDAD 3: MUESTREO Y DISTRIBUCIONES MUESTRALES
COMPETENCIA
Definir y 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.
CAPACIDADES
 Define, distingue y aplica correctamente los conceptos básicos de la inferencia estadística.
 Clasifica y establece diferencias entre los métodos de muestreo probabilístico, de modo tal que, de
acuerdo al contexto del problema que aborde, selecciona una muestra aleatoria aplicando el diseño
muestral correspondiente.
 Distingue y utiliza adecuadamente las distribuciones en el muestreo, establece relaciones entre ellas,
calcula probabilidades mediante el uso de tablas y software estadístico, y aplica sus propiedades.
 Distingue y hace uso correcto de las distribuciones muestrales correspondientes a cada una de las
estadísticas propuestas.
 Utiliza, en un nivel aceptable, el Teorema del Límite Central, valorando la importancia de su uso en las
aplicaciones prácticas.

CONTENIDOS ESTRATEGIAS EVALUACION

SEM.
CONCEPTUALES DIDACTICAS CRITERIOS INSTRUMENTOS
TEORIA
Conceptos Básicos de
Inferencia Estadística:
Población Estadística.
Muestra Aleatoria.
Parámetros. Estadísticas.
Estimador. Estimación. Métodos: Deductivo,
Inferencia Estadística: lógico, activo,
flexible, de trabajo
Estimación de Parámetros y Resolución de
9 colectivo. Comprensión
Prueba de Hipótesis. Técnicas: Expositiva y aplicación.
ejercicios y problemas,
Métodos comunes de pruebas específicas.
con material de apoyo,
Muestreo Aleatorio. participativa, sesiones
Distribuciones en el muestreo: de trabajo.
Ji Cuadrado; t de Student; F de
Snedecor. Uso de Tablas.

PRACTICA
Práctica dirigida sobre
distribuciones en el muestreo.
TEORIA
Distribuciones Muestrales:
Distribución Muestral de la
Media Muestral. Métodos: Deductivo,
Teorema del Límite Central. lógico, activo,
flexible, de trabajo
Distribución Muestral de la Comprensión Resolución de
10 colectivo.
Varianza Muestral. Técnicas: Expositiva
y aplicación. ejercicios y problemas,
Distribución Muestral de la pruebas específicas.
con material de apoyo,
Proporción Muestral. participativa, sesiones
de trabajo.
PRACTICA
Práctica dirigida sobre
distribuciones muestrales.

BIBLIOGRAFIA
Larson, H., Introducción a la Teoría de Probabilidad e Inferencia Estadística. Limusa, 1989.
Mítacc Meza Máximo, Estadística Descriptiva y Probabilidad. Editorial San Marcos.
Véliz Capuñay Carlos, Estadística. Aplicaciones. Editorial San Marcos. 2000.
UNIDAD 4: ESTIMACION DE PARAMETROS

COMPETENCIA
Definir y 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.
CAPACIDADES
 Determina la razón por la que se hace estimación de parámetros.
 Identifica y distingue las propiedades de un estimador puntual y las aplica correctamente.
 Construye y aplica intervalos de confianza para estimar el parámetro de una población, utilizando
una muestra.
 Construye y aplica intervalos de confianza para estimar parámetros de dos poblaciones
independientes, utilizando dos muestras.

CONTENIDOS ESTRATEGIAS EVALUACION

SEM.
CONCEPTUALES DIDACTICAS CRITERIOS INSTRUMENTOS
TEORIA
Estimación Puntual.
Propiedades de los
Estimadores. Estimación
por Intervalos. Intervalo de
Confianza para la Media de
una Población Normal. Casos. Métodos: Inductivo,
Intervalo de Confianza para la lógico, activo,
flexible, de trabajo
Varianza de una Población colectivo, sintético.
Comprensión Resolución de ejercicios
11
Normal. aplicación, y problemas, pruebas
Técnicas: Expositiva
Intervalo de Confianza para la síntesis. específicas.
con material de
Proporción de una Población apoyo, participativa,
de Bernoulli. sesiones de trabajo.

PRACTICA
Práctica dirigida sobre
intervalos de confianza para
un parámetro.

TEORIA
Intervalos de Confianza para
la Razón de Varianzas de dos
poblaciones normales.
Intervalo de Confianza para la
Diferencia de Medias de dos
Poblaciones Normales
Independientes. Casos.
12 Intervalo de Confianza para
Datos Pareados.
Intervalo de Confianza para la
Diferencia de Proporciones en
Poblaciones de Bernoulli.
Métodos: Inductivo,
lógico, activo,
Resolución de ejercicios
flexible, de trabajo Comprensión
y problemas, pruebas
colectivo, sintético. aplicación,
específicas, práctica
Técnicas: Expositiva síntesis.
calificada
con material de
apoyo, participativa,
sesiones de trabajo.

PRACTICA
Práctica dirigida sobre
intervalos de confianza para
dos parámetros.
 SEGUNDA PRACTICA
CALIFICADA

BIBLIOGRAFÍA:
Jay L. Devore, Probabilidad y Estadística para Ingeniería y Ciencias. CENGAGE Learning.
Mendenhall, Scheaffer, Wackerly, Estadística Matemática con Aplicaciones. Grupo Editorial
Iberoamérica. 1986.
Véliz Capuñay Carlos, Estadística. Aplicaciones. Editorial San Marcos. 2000.
Walpole & Myers, Probabilidad y Estadística. McGraw-Hill. Cuarta edición. 1992
Fuente < citar referencia abreviada>

UNIDAD 5: CONTRASTE DE HIPOTESIS

COMPETENCIA
Definir y aplicar conceptos, principios y técnicas para la prueba de hipótesis, mediante una muestra,
valorando la importancia de su uso como un problema de decisión, de mucha aplicación en el quehacer
profesional del ingeniero de sistemas.
CAPACIDADES
 Define, distingue y aplica correctamente los conceptos básicos de la prueba de hipótesis.
 Determina la razón por la que se hace prueba de hipótesis.
 Formula una hipótesis estadística referente al valor de un parámetro, realiza el contraste
siguiendo el procedimiento adecuado, toma una decisión y la interpreta.
 Compara dos parámetros siguiendo el procedimiento de prueba de hipótesis, toma una decisión y
la interpreta, valorando la importancia de su uso en el quehacer profesional del ingeniero de
sistemas.

CONTENIDOS ESTRATEGIAS EVALUACION

SEM.
CONCEPTUALES DIDACTICAS CRITERIOS INSTRUMENTOS
TEORIA
Las Hipótesis Estadísticas.
Errores en la
Prueba de Hipótesis: Error de Métodos: Inductivo,
Tipo I y Error de Tipo II. lógico, activo,
Región Crítica: Nivel de flexible, de trabajo Comprensión
Resolución de ejercicios
Significación. colectivo. aplicación,
13 Técnicas: Expositiva síntesis,
y problemas, pruebas
Prueba de Hipótesis para la específicas.
Media de una Población con material de evaluación.
Normal. apoyo, participativa,
sesiones de trabajo.
PRACTICA
Práctica dirigida sobre
pruebas para la media.
TEORIA
Prueba de Hipótesis para la
Varianza de una Población
Normal.
Prueba de Hipótesis para la Métodos: Inductivo,
Proporción de una Población lógico, activo,
flexible, de trabajo Comprensión
14 de Bernoulli. Resolución de ejercicios
colectivo, sintético. aplicación,
Prueba de Hipótesis para la Técnicas: Expositiva síntesis.,
y problemas, pruebas
Diferencia de dos específicas.
con material de evaluación.
Proporciones Poblacionales. apoyo, participativa,
sesiones de trabajo.
PRACTICA
Práctica dirigida sobre
pruebas de hipótesis para la
varianza y la proporción.
 TEORIA
Prueba de Hipótesis para la
Razón de dos Varianzas
poblacionales.
Prueba de Hipótesis para la
Diferencia de dos Medias
Poblacionales Métodos: Inductivo,
Independientes. Casos: lógico, activo,
Varianzas Conocidas y flexible, de trabajo Comprensión Resolución de ejercicios
15 colectivo, sintético. aplicación, y problemas, pruebas
Varianzas Desconocidas Técnicas: Expositiva síntesis., específicas, examen
(Iguales y Diferentes) con material de evaluación. final.
Prueba de Hipótesis para la apoyo, participativa,
Media de Datos Pareados. sesiones de trabajo.

PRACTICA
Práctica dirigida sobre
pruebas de hipótesis para
comparar dos parámetros.
EXAMEN FINAL
16
EXAMEN SUSTITUTORIO
17
BIBLIOGRAFIA
Jay L. Devore, Probabilidad y Estadística para Ingeniería y Ciencias. CENGAGE Learning. Séptima
Edición, 2008.
Hines & Montgomery, Probabilidad y Estadística para Ingeniería y Administración. CECSA, 1986.
Mendenhall & Sincich, Probabilidad y Estadística para Ingeniería y Ciencias. Prentice-Hall, 4ª Edición.
1997.
Walpole & Myers, Probabilidad y Estadística. McGraw-Hill. 4ª Edición. 1996.

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,
promoviendo permanentemente la participación activa de los estudiantes. Con este fin, se utilizará las
técnicas de exposición participativa, talleres y prácticas guiadas. Se elaborarán guías de prácticas,
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: exámenes escritos, prácticas calificadas,
desarrollo de listas de ejercicios, informes escritos y participación en clases.

CONCEPTO PORCENTAJE
Examen parcial (EP) 0.3
Examen final (EF) 0.3
Promedio de prácticas calificadas (PP) 0.3
Promedio de trabajos encargados y 0.1
participación en clases (PT)
 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 e informes escritos.

El promedio final ponderado se obtendrá de la siguiente manera:

P F = 0.3 EP + 0.3 EF + 0.3 PP + 0.1 PT

7. REFERENCIAS BIBLIOGRÁFICAS

BASICA
1. Jay L. Devore, Probabilidad y Estadística para Ingeniería y Ciencias. CENGAGE Learning.
Séptima Edición, 2008.
2. Freund & Miller & Miller, Estadística Matemática con Aplicaciones. Pearson Educación. 6ª
Edición.
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. Montgomery & Runger, Probabilidad y Estadística aplicados a la Ingeniería. McGraw-Hill. 1ª
Edición. 1996.
8. Scheaffer & McClave, Probabilidad y Estadística para Ingeniería. Grupo Editorial Iberoamérica.
1993.
9. Véliz Capuñay Carlos, Estadística. Aplicaciones. Editorial San Marcos. 2000.
10. Walpole & Myers, Probabilidad y Estadística. McGraw-Hill. Cuarta edición. 1992

COMPLEMENTARIA
1. Johnson Robert, Estadística Elemental. Trillas. 2ª Edición.
2. Larson, H., Introducción a la Teoría de Probabilidad e Inferencia Estadística. Limusa, 1989.
3. Meyer, P., Probabilidad y Aplicaciones Estadísticas. Addison-Wesley Iberoamericana, 1992.
4. Mítacc Meza Máximo, Estadística Descriptiva y Probabilidad. Editorial San Marcos.
5. Mítacc Meza Máximo, Tópicos de Inferencia Estadística. Editorial San Marcos.
6. Walpole & Myers, Probabilidad y Estadística. McGraw-Hill. 4ª Edición. 1996.

ENLACES Y SITIOS WEB

http://www.virtual.unal.edu.co/cursos/ciencias/2001065/html/un2/distribucion_normal.html

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_normal.pdf

http://www.areagratuita.com/descargasmd/apuntes-
trabajos/trabajos/matematicas/descargar_aportaciones_de_gauss_al_calculo_integral.pdf