Programa de Asignatura Estadística 01 Carrera: Licenciatura en Tecnología Informática 02 Asignatura: Estadística 03 Año lectivo: 2013 04 Año de cursada: 2 05 Cuatrimestre: Segundo 06 Hs. Semanales: 5 07 Profesor: Cont. Sergio Di Laudo 08 Correlativas: Previa: Técnicas Cuantitativas II Posterior: No tiene 09Objetivos: Lograr que el alumno pueda: Incorporar los conceptos y definiciones básicos de la estadística. Conocer el proceso de transformación de datos en información. Comprender el concepto, cálculo y aplicación de las diferentes características de una población. Incorporar el conocimiento de la teoría de la probabilidad, a efectos de saber cuantificar el riesgo. Conocer las distintas técnicas para seleccionar una muestra. Aprender a efectuar estimaciones de valores poblacionales. Incorporar técnicas para la toma de decisiones sobre base de hipótesis estadísticas. Aprender a efectuar análisis estadístico con más de una variable e identificar cuál es el análisis posible según el tipo de variables con las que se trabaje. 1
10 Unidades de desarrollo de los contenidos: Unidad 1: Estadística Descriptiva 1.1 Estadística: definición y objetivos. Estadística descriptiva e inductiva. Población y muestra. Clasificación de variables. 1.2 El método estadístico. Recopilación, clasificación y presentación de datos. Distribución de frecuencias. Frecuencias absolutas, acumuladas y relativas. Cuadros y gráficos 1.3 Medidas de tendencia central: media aritmética, mediana y modo. Medidas de posición: Cuartiles y percentiles. 1.4 Medidas de variabilidad: rango, desvío estándar, coeficiente de variación y desvío intercuartílico. 1.5 Medidas de forma: asimetría y curtosis. Unidad 2: Teoría Elemental de Probabilidades. 2.1 Probabilidad: concepto y escuelas. 2.2 Clasificación de sucesos y leyes de la probabilidad. 2.3 Variable aleatoria. Esperanza matemática. 2.4 Distribución de probabilidad. La distribución Binomial, Hipergeométrica, Poisson. Distribución Normal, características. Uso de tablas. Unidad 3: Estadística para la toma de decisiones: Análisis Inferencial. 3.1 Muestra y censo; ventajas y desventajas. 3.2 Tipos de muestreo. 3.3 Parámetros y estimadores. Propiedades. Distribución de las variables media aritmética y proporción. 3.4 Determinación del tamaño de muestra. 3.5 La distribución t de Student y chí cuadrado. Concepto y uso de tablas. 3.6 Estimación puntual y por intervalos de confianza. 3.7 Construcción de intervalos para la media y la proporción. 3.8 Prueba de hipótesis. Pasos. Hipótesis paramétricas y no paramétricas. Errores tipo I y II. Pruebas unilaterales y bilaterales. Pruebas para la media y la proporción. Otras pruebas de hipótesis. Unidad 4: Relación entre variables. 2
4.1 Análisis según el tipo de variables. 4.2 Independencia y asociación. Tablas de asociación y contingencia. La prueba Chí cuadrado. Coeficientes. Correlación por diferencia de rangos. 4.3 Concepto de regresión y correlación simple, múltiple, lineal y no lineal. Método de ajustamiento. Recta de regresión. Cálculo e interpretación del coeficiente de correlación lineal. Coeficiente de determinación. 4.4 Series cronológicas: tendencia, ciclicidad, estacionalidad y error aleatorio. 11 Metodología de trabajo: El dictado de la clase comprende el desarrollo teórico de un tema, seguido de la ejercitación correspondiente, pero con el objetivo de dejar en claro de manera precisa su utilidad práctica en la vida profesional. Tendiente a satisfacer este objetivo, una vez que el tema se desarrolla de manera teórica, se hace participar al alumnado en la búsqueda de un ejemplo práctico de aplicación, siendo esta mecánica, el desafío que plantea cada clase. De igual manera, se presentan casos prácticos reales, a efectos de que los alumnos puedan ver reflejado el resultado concreto de los conocimientos recibidos en la cátedra. Además de la abundante ejercitación que se realiza en el curso, se propone a los estudiantes un ejercicio práctico por cada clase de resolución individual, lo que origina un compromiso muy significativo por parte de los alumnos hacia la materia y un nivel muy homogéneo de conocimientos por parte de todo el curso. Como el enfoque asumido para la materia exige un ritmo de trabajo intenso y continuado, se requerirá del alumno, además del conocimiento de los temas explicados en clase, la lectura de la bibliografía indicada. 12 Trabajo Práctico individual o grupal: El trabajo práctico es de carácter individual y es una instancia más de evaluación para la aprobación de la cursada. El propósito es que el alumno relacione e integre la teoría con la práctica vinculada a la Estadística tanto en el campo de la tecnología informática como en el ámbito empresarial, social, político y educativo. Luego del primer examen parcial el profesor establecerá los ejes temáticos sobre los cuáles se 3
podrá trabajar para la realización de este trabajo y el alumno deberá elegir sobre que eje lo implementará. Asimismo el profesor definirá las pautas y estructura básica para la confección y presentación del trabajo y la fecha de entrega del mismo. 13 Bibliografía: Obligatoria: Stevenson W. Estadística para Administración y Economía. Edición 2008. Méjico: Editorial Alfaomega Grupo Editor; 2008. Spiegel M. Estadística. Edición 2009. España: Editorial McGraw Hill; 2009. Kazmier L. Estadística Aplicada a la Administración y Economía. Edición 2006. Méjico: Editorial McGraw Hill; 2006. Berenson M., Levine D. Estadística para administración. México: Ed. Prentice Hall; 2001. Capriglioni C. Estadística. Tomos 1 y 2. Buenos Aires, Ed. 3C Editores; 2005. Ampliatoria: Enlaces Berenson M, Levine D. Estadística para Administración. Edición 2001. Méjico: Editorial Prentice Hall; 2001. Spiegel M., Schiller J., Srinivasan A. Probabilidad y Estadística. 2da Edición de Murray Serie Mc Graw Hill Lipschtz S., Lipson M. Probabilidad. 2da Edicion de Serie Schaum Mc Graw Hill Toranzos F. Teoría Estadística y Aplicaciones. 2 Edición 1998. Buenos Aires. Argentina: Ediciones Machi; 1998. - Introduction to Data Mining by Pang-Ning Tan, Michael Steinbach and Vipin Kumar http://www-users.cs.umn.edu/%7ekumar/dmbook - Mining of Massive Datasets by Anand Rajaraman and Jeff Ullman http://infolab.stanford.edu/%7eullman/mmds.html 4
14 Procedimiento de evaluación y criterio de promoción: La cursada de una asignatura se aprueba con una calificación mínima de 4 puntos y máxima de 10 puntos en 2 (dos) evaluaciones parciales y un trabajo práctico (enunciado en el punto 13), como así también con un promedio de asistencia a clases del 75% o mayor. Aquellos alumnos cuyo promedio de cursada sea inferior o igual a 3,99 puntos y/o tengan una asistencia a clases igual o mayor al 50% y menor al 75%, deberán rendir un Examen Recuperatorio de Asignatura en la misma fecha que se indica para el Examen Final. La asignatura se aprueba con un examen final que asume dos modalidades: a- Evaluación final integradora coloquial : accederán a este régimen de evaluación aquellos alumnos cuyo promedio de cursada se encuentre comprendido entre 7 y 10 puntos y tengan una asistencia promedio a clases igual o mayor al 75%. Los alumnos podrán presentarse a la mesa examinadora en grupos de no más de tres personas; no obstante, la evaluación se realizará en forma individual, debiendo demostrar el dominio de la asignatura como unidad y la capacidad de asociarla con otras asignaturas del plan de estudio ya cursadas. b- Examen final: acceden a este régimen de evaluación aquellos alumnos que han obtenido durante su cursada un promedio comprendido entre 4 y 6,99 puntos y tengan una asistencia promedio a clases igual o mayor al 75%. El alumno se presentará en forma individual ante un tribunal examinador, el que interrogará sobre el programa de la asignatura, debiendo demostrar su capacidad de integrarla y relacionarla con otras asignaturas del plan de estudio. La aprobación de la instancia de evaluación final de la asignatura requiere una evaluación mínima de 4 (cuatro) y una máxima de 10 (diez). 5