Sunteți pe pagina 1din 8

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE CIENCIAS CONTABLES


ESCUELAS PROFESIONALES DE CONTABILIDAD, GESTIÓN TRIBUTARIA
Y AUDITORÍA EMPRESARIAL Y DEL SECTOR PÚBLICO

SILABO
SEMESTRE 2018-II
I. INFORMACIÓN GENERAL
Asignatura : ESTADÍSTICA INFERENCIAL
Ciclo de Estudios : Cuarto
Código de Curso : (111437- CONT.), (112437- TRIBUT.), (113437-AUDIT.)
Carácter : Obligatorio
Pre Requisito : Estadística Descriptiva
Créditos : 3.0
Horas Semanales : 04
Duración : 16 semanas

II. SUMILLA:

La asignatura forma parte del Área de Gestión Económico Financiera, Sub Área de Estadística, es de naturaleza
teórico- práctico, está orientada al uso de los Métodos Estadísticos aplicados a problemas de contabilidad,
administración, negocios e investigación. Comprende los siguientes temas: Nociones básicas del cálculo de
probabilidades y variable aleatoria, distribuciones discretas y continuas, estimación puntual e intervalica, prueba de
hipótesis, modelo de regresión simple, modelos de regresión múltiple, serie de tiempo y la prueba Ji-Cuadrado.

Desarrolla las siguientes unidades de aprendizaje:

Unidad I: Distribuciones de probabilidad de una variable aleatoria


Unidad II: Estimación de parámetros y prueba de hipótesis
Unidad III: Modelo de regresión lineal y modelos de regresión múltiple
Unidad IV: Introducción a series temporales y prueba ji- cuadrada.

III. COMPETENCIA
Exponer conceptos básicos de estadísticas y métodos descriptivos para facilitar la interpretación y el análisis de
resultados para la toma de decisiones frente a realidades del campo de la contabilidad, auditoria y gestión
tributaria.
CAPACIDADES:
 Definición de distribuciones de probabilidad de una variable aleatoria discreta y continua más
importantes aplicados al área de la contabilidad, administración y negocios.
 Estima valores poblacionales o parámetros mediante estimación puntual e intervalos de confianza y
contrasta poblaciones con prueba de hipótesis aplicados al área de la contabilidad, administración y
negocios.
 Definir y construir modelos de regresión lineal y modelos de regresión lineal múltiple para estimaciones
correspondientes aplicados al área de la contabilidad, administración y negocios.
 Pronosticar una variable cuantitativa respecto al tiempo. Conocer conceptos básicos de la distribución
ji-cuadrada cuyo objetivo es relacionar criterios de clasificación cualitativos mediante una prueba de
hipótesis a casos relacionados al área de la contabilidad, administración y negocios.

IV. ESTRATEGIAS DIDÁCTICAS

1. Estrategias de exposiciones breves de temas programados respecto a la teoría generando conocimientos


básicos y establecer expectativas en los alumnos. Se utilizará la técnica de la interrogación didáctica, para
medir los aspectos de adquisición de conocimientos, la comprensión del tema, la aplicación de los contenidos
aprendidos, el análisis y la síntesis para organizar, integrar y consolidar la información adquirida por el alumno.
2. Estrategias para mantener la atención de los alumnos, con presentaciones de los contenidos de exposición
que posibiliten la atención continuada del aprendiz.
3. Estrategia de lectura obligatoria sobre el tema a desarrollar en la siguiente sesión. Control de lectura.
4. Estrategia de trabajo en grupo o equipo de investigación, para el desarrollo de ejercicios, casos y talleres.
5. Estrategia de realizar taller en el laboratorio de computación usando software como EXCEL y SPSS.
V. PROGRAMACIÓN DE CONTENIDOS

UNIDAD I: DISTRIBUCIONES DE PROBABILIDAD DE UNA VARIABLE ALEATORIA


CAPACIDAD: Definición de distribuciones de probabilidad de una variable aleatoria discreta y continua más importantes aplicados al área de la contabilidad, administración y negocios.
CONTENIDO DE APRENDIZAJE ESTRATEGIAS
SEMANA SESIÓN
CONCEPTUAL PROCEDIMENTAL ACTITUDINAL METODOLÓGICAS
1. Introducción a calculo de probabilidades y Define conceptos básicos Despierta el interés en diseñar
variable aleatoria respecto a variable aleatoria. una distribución de probabilidad
2. Distribuciones de probabilidad de una variable Establece la importancia de una o modelo de probabilidad en las
aleatoria discreta: Distribución binomial, distribución de probabilidad o actividades de un negocio para
DISTRIBUCIONES DE distribución de Poisson y distribución modelo de probabilidad que su respectivo análisis.
PROBABILIDAD DE hipergeométrica. satisfaga un conjunto de
1ra. UNA VARIABLE 3. Función de probabilidad, valor esperado y supuestos, para estudiar los Desarrolla casos
ALEATORIA varianza de distribuciones de probabilidad de resultados observados de un prácticos
DISCRETA una variable aleatoria discreta. experimento aleatorio, apoyados
4. Resolución de casos. en lecturas y revisión de casos.

1. Distribución de probabilidad de una variable Establece la importancia de una Despierta el interés en diseñar
DISTRIBUCIONES DE aleatoria continua: Distribución normal. función de probabilidad que modelos de probabilidades en
PROBABILIDAD DE 2. Función de densidad y función de distribución satisfaga un conjunto de las actividades de un negocio y Desarrolla casos
2da. UNA VARIABLE de una distribución normal. supuestos, para estudiar los adaptarlos a los modelos de prácticos
ALEATORIA 3. Resolución de casos y manejo del software resultados observados de un distribución para su respectivo
CONTINUA estadístico. experimento aleatorio, apoyados análisis.
en lecturas y revisión de casos.
1. Distribuciones de probabilidad de una variable Establece la importancia de una Despierta el interés en diseñar
aleatoria continua: Distribución T- Student, función de probabilidad o modelo modelos de probabilidades en
distribución Ji-cuadrado y distribución F- de probabilidad que satisfaga un las actividades de un negocio y
DISTRIBUCIONES DE
Snedecor. conjunto de supuestos, para adaptarlos a los modelos de
PROBABILIDAD DE Desarrolla casos
2. Función de densidad, función de distribución, estudiar los resultados distribución para su respectivo
3ra. UNA VARIABLE prácticos
valor esperado y varianza de distribuciones de observados de un experimento análisis.
ALEATORIA
probabilidad de una variable aleatoria continua. aleatorio, apoyados en lecturas y
CONTINUA
3. Resolución de casos. revisión de casos.

UNIDAD II: ESTIMACIÓN DE PARÁMETROS Y PRUEBA DE HIPÓTESIS


CAPACIDAD: Estima valores poblacionales o parámetros mediante estimación puntual e intervalos de confianza y contrasta poblaciones con prueba de hipótesis aplicados al área de la
contabilidad, administración y negocios.
CONTENIDO DE APRENDIZAJE ESTRATEGIAS
SEMANA SESIÓN
CONCEPTUAL PROCEDIMENTAL ACTITUDINAL METODOLÓGICAS
1. Estimación puntual de parámetros: Se estima valores poblaciones en Valora la importancia de
Definiciones básicas. base a intervalos de confianza estimar parámetros
2. Estimación por intervalos: Intervalos de acerca de la media, proporción y poblacionales mediante el uso
ESTIMACIÓN DE Confianza para la media de una población y la varianza. de intervalos de confianza
PARÁMETROS tamaño de muestra. acerca de la media, proporción
4ta. PUNTUAL Y POR 3. Intervalos de confianza para la proporción de y la varianza. Desarrolla casos
INTERVALOS una población y tamaño de muestra. prácticos
4. Intervalos de confianza para la varianza
poblacional.
5. Resolución de casos.

1. Intervalos de confianza para diferencias de Se estima valores poblaciones en Valora la importancia de


medias poblaciones. base a intervalos de confianza estimar parámetros
ESTIMACIÓN DE 2. Intervalos de confianza para diferencias de acerca de diferencias de medias poblacionales mediante el uso
Desarrolla casos
5ta. PARAMETROS POR proporciones poblaciones. y diferencias de proporciones. de intervalos de confianza
prácticos
INTERVALOS 3. Resolución de casos y uso de software acerca de diferencias de
estadístico: SPSS Y MINITAB. medias y de proporciones.

1. Pruebas de hipótesis: Definiciones básicas.


2. Prueba de hipótesis para una media Se contrasta valores poblaciones Valora la importancia de Desarrolla casos
poblacional. en base a prueba de hipótesis realizar inferencias respecto a prácticos
PRUEBA DE
6ta. 3. Prueba de hipótesis para una proporción acerca de la media y la las pruebas de hipótesis para la
HIPÓTESIS
poblacional. proporción poblacional. media y la proporción.
4. Resolución de casos.

1. Prueba de hipótesis para la varianza Se contrasta valores poblaciones -Valora la importancia de


poblacional. en base a prueba de hipótesis realizar inferencias respecto a
PRUEBA DE
2. Prueba de hipótesis para diferencias de acerca de la varianza y las pruebas de hipótesis para la
7ma. HIPOTESIS Desarrolla casos
proporciones poblacionales. diferencias de proporciones varianza y diferencias de
prácticos
3. Resolución de casos y uso de software poblacionales. proporciones poblacionales.
estadístico: SPSS Y MINITAB.
8va. EXAMEN PARCIAL Examen escrito
UNIDAD III: MODELO DE REGRESIÓN LINEAL Y MODELOS DE REGRESIÓN MÚLTIPLE
CAPACIDAD: Definir y construir modelos de regresión lineal y modelos de regresión lineal múltiple para estimaciones correspondientes aplicados al área de la contabilidad, administración y
negocios.
CONTENIDO DE APRENDIZAJE ESTRATEGIAS
SEMANA SESIÓN
CONCEPTUAL PROCEDIMENTAL ACTITUDINAL METODOLÓGICAS
1. Análisis de correlación: Diagrama de Utiliza y aplica adecuadamente el Demuestra interés y valora los
dispersión y coeficiente de correlación. método de mínimos cuadrados aportes del grupo en su
Desarrolla casos
MODELO 2. Modelo de regresión lineal simple: Método de para determinar los parámetros aprendizaje en el uso de los
prácticos
9na. DE REGRESIÓN mínimos cuadrados, coeficientes de del modelo de regresión lineal modelos de regresión lineales
LINEAL SIMPLE regresión, error estándar, coeficiente de simple. Compara modelos simples para realizar
determinación e interpretaciones. eligiendo el más adecuado. estimaciones de demanda y
3. Estimación del modelo de regresión lineal. ventas.
4. Resolución de casos.
1. Modelo de regresión exponencial. Utiliza y aplica adecuadamente el Valora los aportes del grupo en
MODELO DE 2. Modelo de regresión potencial. método de mínimos cuadrados su aprendizaje en el uso de los
10ma. REGRESIÓN 3. Estimación del modelo de regresión no lineal. para determinar los parámetros modelos no lineales para Desarrolla casos
NO LINEAL 4. Resolución de casos en el laboratorio con uso del modelo de regresión no lineal. realizar estimaciones de prácticos
del software. indicadores contables.
1. Análisis de Regresión Múltiple: Modelo con Utiliza y aplica adecuadamente el Demuestra interés y valora los
dos o más variables independientes. algoritmo para determinar los aportes del grupo en su
2. Análisis de Correlación Múltiple: Diagrama parámetros de la regresión aprendizaje en el uso de los
de dispersión y coeficiente de correlación. múltiple. modelos lineales múltiples para
ANÁLISIS DE 3. Tabla ANOVA realizar estimaciones de
CORRELACIÓN y 4. Inferencias en la Regresión Múltiple: Prueba demanda y ventas de
11ra. Desarrolla casos
REGRESIÓN global del modelo de regresión múltiple y productos. prácticos
MÚLTIPLE prueba de los coeficientes de regresión
individuales.
5. Estimaciones haciendo uso del Modelo.
6. Presentación de casos aplicados a la
economía y los negocios.
1. Uso de software estadísticos para casos Utiliza y aplica adecuadamente el Demuestra interés y valora los
Desarrolla casos
12da. CASOS aplicados a modelo de regresión lineal software para determinar los aportes del grupo en su
prácticos
DESARROLLADOS EN simple y modelo de regresión múltiple parámetros de la regresión aprendizaje en el uso del
LABORATORIO DE utilizando el software estadístico SPSS Y simple y múltiple. software para los modelos
CÓMPUTO MINITAB. lineales simples y múltiples
para realizar estimaciones.
UNIDAD IV: INTRODUCCION A SERIES TEMPORALES Y PRUEBA JI- CUADRADO
CAPACIDAD: Pronosticar una variable cuantitativa respecto al tiempo. Conocer conceptos básicos de la distribución ji-cuadrada cuyo objetivo es relacionar criterios de clasificación
cualitativos mediante una prueba de hipótesis a casos relacionados al área de la contabilidad, administración y negocios.
CONTENIDO DE APRENDIZAJE ESTRATEGIAS
SEMANA SESIÓN
CONCEPTUAL PROCEDIMENTAL ACTITUDINAL METODOLÓGICAS
1. Concepto de serie temporal Establece una técnica estadística Demuestra y valora los aportes
2. Definición de sus componentes para hacer pronósticos en el del grupo en su aprendizaje en
3. Análisis de la tendencia tiempo teniendo en cuenta datos el uso de las series temporales
SERIE TEMPORAL
4. Método de promedio móvil históricos. en realizar pronósticos y
13ra. COMO HERRAMIENTA
5. Método del ajuste lineal proyecciones. Desarrolla casos
DE PROYECCION
6. Análisis de variaciones estacionales. prácticos
7. Análisis variaciones cíclicas.
8. Resolución de ejercicios y casos en el
laboratorio con uso de software
1. Definición de Prueba Ji-Cuadrado Enumerar las características de Valora la importancia de la
2. Tablas de contingencias. la prueba ji-cuadrada y realiza prueba Ji-cuadrada en el área
3. Prueba de independencia una prueba de hipótesis para contable y realiza una prueba
determinar si están asociados de hipótesis para tomar
PRUEBA JI- 4. Prueba de homogeneidad
14ta. dos criterios de clasificación. decisiones sobre el grado de
CUADRADO 5. Resolución de ejercicios y casos en el Desarrolla casos
asociación de dos variables
laboratorio con uso de software. prácticos
cualitativas.
Se interesa sobre el uso
adecuado de la prueba Ji-
cuadrada.
1. La Prueba Ji-Cuadrado con el uso del Con el uso del software Valora la importancia del
software estadístico SPSS Versión 24 estadístico SPSS Versión 24 software estadístico SPSS
2. Otras pruebas estadísticas con el uso del realiza una prueba de hipótesis Versión 24, que sirve como
PRUEBA JI- para determinar si están ayuda para obtener resultados
15ta. software estadístico SPSS Versión 24: Desarrolla casos
CUADRADO asociados y relacionados dos de la prueba Ji-cuadrada y
Coeficiente de Pearson, coeficiente de prácticos
criterios de clasificación de realizar pruebas de hipótesis
Spearman u otros. diferentes tipos. para tomar decisiones sobre la
asociación y relación de dos
variables de diferentes tipos.
16ta. EXAMEN FINAL Examen escrito
VI. EVALUACIÓN
El sistema de evaluación es un proceso que se desarrolla a lo largo del semestre académico, evalúa los
componentes cognitivos, procedimental, así como, la actitudinal de las capacidades previstas en las unidades de
aprendizaje.
Evaluación de resultados, evalúa preferentemente el componente conceptual de las capacidades previstas y se
realiza mediante la aplicación de pruebas escritas. Los exámenes parcial y final constituyen una prueba de
resultados y se elabora considerando los dominios de aprendizaje e incluye aspectos teóricos, prácticos o
casuística de la asignatura.
𝑃𝑟𝑖𝑚𝑒𝑟 𝑃𝑎𝑟𝑐𝑖𝑎𝑙 = 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑙𝑎 𝑒𝑣𝑎𝑙𝑢𝑎𝑐𝑖𝑜𝑛 𝑝𝑎𝑟𝑡𝑖𝑐𝑖𝑝𝑎𝑡𝑖𝑣𝑎 ∗ 0.4 + 𝐸𝑥𝑎𝑚𝑒𝑛 𝑃𝑎𝑟𝑐𝑖𝑎𝑙 ∗ 0.60
𝑆𝑒𝑔𝑢𝑛𝑑𝑜 𝑃𝑎𝑟𝑐𝑖𝑎𝑙 = 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑙𝑎 𝑒𝑣𝑎𝑙𝑢𝑎𝑐𝑖𝑜𝑛 𝑝𝑎𝑟𝑡𝑖𝑐𝑖𝑝𝑎𝑡𝑖𝑣𝑎 ∗ 0.4 + 𝐸𝑥𝑎𝑚𝑒𝑛 𝐹𝑖𝑛𝑎𝑙 ∗ 0.60

𝑃𝑟𝑖𝑚𝑒𝑟 𝑃𝑎𝑟𝑐𝑖𝑎𝑙 + 𝑆𝑒𝑔𝑢𝑛𝑑𝑜 𝑃𝑎𝑟𝑐𝑖𝑎𝑙


𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝐹𝑖𝑛𝑎𝑙 =
2

El promedio de la evaluación participativa comprende: controles de lectura, desarrollo de casos prácticos, trabajos
de investigación (grupales e individuales), exposiciones, asistencia a clases y otras participaciones de acuerdo a la
naturaleza de la asignatura, lo cual constituye un ítem obligatorio, lo que permitirá efectuar una evaluación
continua.
La asistencia a clases es obligatoria, lo que permitirá al estudiante estar habilitado a rendir el examen
calendarizado de la primera y sétima semana (Examen Parcial) y, de la novena a décimo quinta semana (Examen
Final).
Los estudiantes que gestionen rectificación de matrícula, el cómputo de la inasistencia a clases regirá al día
siguiente de la rectificación.

VII. BIBLIOGRAFÍA

 SPIEGEL, MURRAY R. Estadística. Mc. Graw-Hill, México, 1991

 LIND MARCHAL MASON. Estadística para la Administración y Economía. México 2004

 AVILA, R. B. Estadística Elemental. Lima - Perú 2000

 VELIZ CAPUÑAY, C. Estadística. Cuarta edición, Lima - Perú 2000

 TAMAYO VASQUEZ, LEON GONZALO. Estadística. Universidad de Medellín, Bogotá, 2008

 NEWBOLD, PAUL / CARLSON, WILLIAM L. Estadística para administración y economía Pearson


educación. Madrid, 2008

 CORDOVA ZAMORA, MANUEL. Estadística descriptiva e Inferencial. Moshera, Lima, 2009.


 ANDERSON, DAVID / SWEENEY, DENNIS / WILLIAMS, THOMAS. Estadística para administración y

economía. Thomson learning, Mexico, 1999

 MENDENHALL, WILLIAM. Estadística para administradores. Iberoamericana, México, 1990.

 MUÑOS ALAMILLOS, A.; VICENTE VIRSEDA, J.; MUÑOZ MARTINEZ, A. Estadística para la
administración y dirección de empresas. Ediciones Académicas, Madrid, España, 2010

 BERENSON MARK L.; LEVINE, DAVID M.; KREHBIEL, TIMOTHY C. Estadística Descriptiva. Pearson
Educación, México 2012

 GEORGE C. CANAVOS. Probabilidad y Estadística: Aplicaciones y Métodos. Virginia Commonwealth


University. México 1998.

 DE LA HORRA NAVARRO J. Estadística Aplicada. Ediciones Díaz de Santos. 2012

Articulos:

 CHUMPITAZ RAMOS D. (2015). Servicios educativos para la formación profesional de estudiantes del
pregrado de Contabilidad. Revista Quipukamayoc 2015-II Vol 23 N° 44. Facultad de Ciencias Contables
UNMSM

 CHUMPITAZ RAMOS D., VIZCARRA DOMINGUEZ A., CERNA MAGUIÑAS H. (2017). Nivel de
conocimiento sobre investigación en estudiantes de la facultad de ciencias contables–UNMSM. Revista
Quipukamayoc 2015-II Vol 25 N° 47. Facultad de Ciencias Contables UNMSM

 GUTIERREZ HUBY A. (2015).Responsabilidad social con valor compartido constituyen ventajas


competitivas en empresas peruanas y mexicanas. Quipukamayoc 2015-II Vol 23 N° 44. Facultad de
Ciencias Contables UNMSM

S-ar putea să vă placă și