Programa(s) Educativo(s): Clave de la materia:

Transcripción

1 UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU007H Clave: 08USU4053W FACULTAD DE INGENIERÍA DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia: Semestre: Área en plan de estudios: Créditos 8 Total de horas por semana: 4 Teoría: 4 Práctica Taller: Laboratorio: Prácticas complementarias: Trabajo extra clase: Total de horas semestre: Fecha de actualización: 0/0/5 Ingeniería Ingeniería en Ciencias de la Computación Básica Quinto Ciencias Básicas Materia requisito: Probabilidad ESTADÍSTICA PROPÓSITO DEL CURSO Aporta los fundamentos básicos del razonamiento estadístico en: diseño de estudios, recogida de información, análisis de datos y extracción de conclusiones. Seleccionar y aplicar técnicas de adquisición de datos para su tratamiento estadístico. Fundamentar teóricamente y aplicar modelos y técnicas estadísticas en estudios y problemas reales en diversos ámbitos científicos y sociales. COMPETENCIAS (Tipo Y Nombre de la competencias que nutre la materia y a las que contribuye) El curso promueve las siguientes competencias: BÁSICAS: COMUNICACIÓN Utiliza diversos lenguajes y fuentes de información para comunicarse efectivamente SOCIOCULTURAL Evidencia respeto hacia valores, costumbres, pensamientos y opiniones de los demás, apreciando y conservando el entorno. TRABAJO EN EQUIPO Y LIDERAZGO Demuestra comportamientos DOMINIOS COGNITIVOS (Objetos de estudio, temas y subtemas) I. Estimación. 2.. Sesgo y error cuadrático medio de estimadores puntuales Algunos estimadores puntuales insesgados comunes Evaluación de la bondad de un estimador puntual Intervalos de confianza Intervalos de confianza en una muestra grande Selección del tamaño muestral Intervalos de confianza de una muestra pequeña para la media y la diferencia del primer momento y el segundo momento alrededor de la media Intervalos de confianza para la RESULTADOS DE APRENDIZAJE. (Por objeto de estudio). Identifica los métodos de estimación puntual y por intervalos.

2 efectivos al o interactuar en equipos y compartir conocimientos, experiencias y aprendizajes para la toma de decisiones y el desarrollo grupal. PROFESIONALES: CIENCIAS FUNDAMENTALES DE LA INGENIERÍA Aporta los fundamentos teórico científicos, metodológicos y de herramientas para la solución de problemas en ingeniería. II. varianza. Propiedades de los estimadores puntuales y métodos de estimación 3.. Eficiencia relativa Consistencia Suficiencia Teorema de Rao-Blackwell y estimación insesgada de varianza mínima Método de momentos Método de máxima verosimilitud Algunas propiedades de los estimadores de máxima verosimilitud con muestras grandes Utiliza las propiedades de los estimadores puntuales y por intervalos en la solución de problemas. III. Prueba de hipótesis. 4.. Elementos de una prueba estadística Pruebas comunes con muestras grandes Cálculo de las probabilidades del error tipo II y determinación del tamaño maestral para la prueba Z Relaciones entre los procedimientos de pruebas de hipótesis e intervalos de confianza Otra forma de presentar los resultados de una prueba estadística: niveles de significancia alcanzados o valores p Prueba de hipótesis con muestras pequeñas para la media y la diferencia del primer momento y el segundo alrededor de la media Pruebas de hipótesis referentes a varianzas Potencia de las pruebas y el lema de Neyman-Pearson Pruebas de razón de probabilidad Aplica las herramientas de pruebas de hipótesis para la toma de decisiones. IV. Modelos lineales y estimación Emplea los métodos de regresión lineal para el

3 por mínimos cuadrados. 5.. Modelos estadísticos lineales. Método de mínimos cuadrados Propiedades de los estimadores de mínimos cuadrados: regresión lineal simple. Inferencias respecto a los parámetros βi. Inferencias respecto a funciones lineales de los parámetros del modelo: regresión lineal simple Predicción de un valor particular de Y mediante regresión lineal simple Correlación. Algunos ejemplos prácticos Ajuste del modelo lineal mediante matrices Funciones lineales de los parámetros del modelo: regresión lineal múltiple. Inferencias respecto a funciones lineales de los parámetros del modelo: regresión lineal múltiple Predicción de un valor particular de Y mediante regresión múltiple. Una prueba para H0: βg+ = βg+2 = = βk = 0 planteamiento de modelos de predicción lineales. V. El análisis de varianza 6.. Procedimiento del análisis de varianza Comparación de más de dos medias: análisis de varianza para un diseño de un factor Tabla de análisis de varianza para un diseño de un factor Modelo estadístico para el diseño de un factor Prueba de aditividad de las sumas de cuadrados y E(MST) para un diseño de un factor Estimación en un diseño de un factor Modelo estadístico para el diseño de bloques aleatorizado El análisis de varianza para el diseño de bloques aleatorizados Estimación en el diseño de bloques aleatorizados Selección del tamaño muestral. 6.. Intervalos de confianza simultáneos para más de un Aplica el análisis de varianza para discriminar datos poblacionales.

4 parámetro 6.2. Análisis de varianza usando modelos lineales. VI. Estadística no paramétrica 7.. Modelo general de desplazamiento (o cambio) de dos muestras Prueba de signos para un experimento de observaciones pareadas Prueba de rangos con signo de Wilcoxon para un experimento de observaciones pareadas Uso de rangos para comparar dos distribuciones poblacionales: muestras aleatorias independientes Prueba U de Mann Whitney: muestras aleatorias independientes La prueba de Kruskal Wallis para un diseño de un factor La prueba de Friedman para diseños de bloques aleatorizados Prueba de corridas de ensayo: una prueba de aleatoriedad Coeficiente de correlación de rangos Comentarios generales sobre las pruebas estadísticas no paramétricas. Selecciona técnicas y métodos no paramétricos para la toma de decisiones por medio de soluciones estadísticas. VII. Introducción a los métodos de Bayes para inferencia. Identifica los métodos bayesianos. 8.. Bayesianos previos, posteriores y estimadores Intervalos creíbles de Bayes Pruebas de hipótesis de Bayes. OBJETO DE ESTUDIO I. Estimación METODOLOGIA (Estrategias, secuencias, recursos didácticos) EVIDENCIAS DE APRENDIZAJE. Informe por escrito con el análisis de la teoría de conjuntos, lista de ejercicios para revisar por parte del profesor, con retroalimentación para los estudiantes.

5 II. Propiedades de los estimadores puntuales y métodos de estimación Minuta del grupo de discusión con los puntos relevantes y lista de asignación de tareas por realizar. Auto aprendizaje: capacidad de resolución de los problemas asignados. III. Prueba de hipótesis IV. Modelos lineales y estimación por mínimos cuadrados V. El análisis de varianza VI. VII. Estadística no paramétrica Introducción de los métodos de Bayes para inferencia Material de Apoyo didáctico: Recursos

6 . Manual de Instrucción 2. Materiales gráficos: artículos, libros, diccionarios, etc. 3. Cañón 4. Rotafolio 5. Pizarrón, pintarrones 6. Proyector de acetatos FUENTES DE INFORMACIÓN (Bibliografía, Direcciones electrónicas). Jonhnson, R. A. y Bhattacharyya, G. K Statistics principles and methods. 6a edición. Ed. John Wiley and Sons. 2. Mendenhall, W., Beaver, R. J. y Beaver, B. M Introducción a la probabilidad y a la estadística. Ed. Cengage Learning. 3. Ross, M. S Introducción a la estadística. 2a edición. Ed. Reverté. 4. Wackerly, D. D., Mendenhall III, W. y Scheaffer, R. L Estadística matemática con aplicaciones. 7a edición. Ed. Cengage Learning. EVALUACIÓN DE LOS APRENDIZAJES (Criterios e instrumentos) El curso se evalúa en 3 momentos, las fechas se establecen por la secretaría académica: Primer Examen Parcial: INSTRUMENTOS: Examen escrito Informes escritos Problemarios Solución de problemas Conocimientos: 40% ( aspectos teóricos) Habilidades: 45% (análisis, argumentación, redacción, uso de tecnología, comunicación, efectiva, resolución de ejercicios con aplicación metodológica) Valores y actitudes: 5% (colaboración, orden, lenguaje apropiado, respeto, puntualidad). CRITERIOS DE DESEMPEÑO: Los informes por escrito: valoran el nivel de argumentación en relación al hecho que se quiere demostrar. Manejo de lenguaje técnico, coherencia entre párrafos y global, redacción, ortografía y presentación. Se utiliza una rúbrica para autoevaluación y heteroevaluación. Los problemarios: valoran el conocimiento teórico aplicado a la resolución de un ejercicio, debe contener el procedimiento y el resultado correcto. Se utiliza lista de cotejo para autoevaluación y heteroevaluación.. Exposición: presentadas en orden lógico:.. Introducción resaltando el objetivo a alcanzar.2. Desarrollo temático, responder preguntas y aclarar dudas.3. Concluir. 3. Los trabajos extracurriculares Toda actividad complementaria al curso se podrán llevar a cabo en forma individual o por equipo según

7 amerite el tema. Estos se reciben únicamente en tiempo y forma previamente establecidos. Fecha de exámenes parciales: º. Parcial: por designar 2º. Parcial: por designar 3 er Parcial: por designar La acreditación del curso: 4. Promedio de Calificaciones parciales: 00% LAS ACTIVIDADES NO REALIZADAS EN TIEMPO Y FORMA SE CALIFICAN CON CERO. Nota: para acreditar el curso se deberá tener calificación aprobatoria tanto en la teoría como en las prácticas. La calificación mínima aprobatoria será de 6.0 Cronograma del Avance Programático S e m a n a s Unidades de aprendizaje I. Estimación II. Propiedades de los estimadores puntuales y métodos de estimación III. Prueba de hipótesis IV. Modelos lineales y estimación por mínimos cuadrados V. El análisis de varianza VI. Estadística no paramétrica VII. Introducción de los métodos de Bayes para inferencia