Documente Academic
Documente Profesional
Documente Cultură
1. INFORMACIÓN GENERAL
2. SUMILLA
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.
4. PROGRAMACIÓN
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
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.
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.
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.
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 Métodos: Inductivo,
Poblaciones Normales lógico, activo,
Independientes. Casos. Resolución de ejercicios
flexible, de trabajo Comprensión
y problemas, pruebas
12 Intervalo de Confianza para colectivo, sintético. aplicación,
específicas, práctica
Datos Pareados. Técnicas: Expositiva síntesis.
calificada
Intervalo de Confianza para la con material de
Diferencia de Proporciones en apoyo, participativa,
Poblaciones de Bernoulli. 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>
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
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.
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.
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