1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Estadistica II Ingeniería Industrial INB-9329 4-0-8 2.- UBICACIÓN DE LA ASIGNATURA a). Relación con otras asignaturas del plan de estudio Anteriores Posteriores Asignaturas Temas Asignaturas Temas Estadistica I Probabilidad. Prueba de hipótesis. Distribution x 2.t.F normal Valor esperado y sus propiedades. b). Aportación de la asignatura al perfil del egresado Diseñar e implantar sistemas y procedimientos para la toma de decisiones. 3.- OBJETIVO(S) GENERAL(ES) DEL CURSO Analizara y aplicara tecnicas de regresion y diseño experimental, con el objeto de tomar decisiones para mejorar procesos de produccion.
4.- TEMARIO Unidad Temas Subtemas 1 Regresión lineal simple (RLS) 1.1 Terminología de la regresión. 1.2 Estimación de parametros. 1.3 Prueba de hipótesis en la RLS. 1.4 Predicción de nuevas observaciones. 1.5 Medición de la adecuación del modelo de regresión. 1.5.1 Analisis residual. 1.5.2 Prueba de falta de ajuste. 1.5.3 Coeficiente de determinación. 1.6 Transformaciones lineales. 1.7 Correlación. 2 Regresión lineal multiple. 2.1Modelos de regresión multiple. 2.2 Estimación de parámetros. 2.3 Pruebas de hipótesis de regresión lineal multiple. 2.3.1 Prueba de significación de regresión. 2.3.2 Prueba sobre coeficientes individuales de regresión. 2.4 Medidas de adecuación de modelos. 2.4.1 Coeficiente de determinación multiple. 2.4.2 Analisis residual. 2.4.3 Estimación del error puro a partir de vecinos cercanos. 2.4.4 Matriz de correlación.
2.5 Construcción del modelo matemático. - Proceso de planeación de construcción del modelo. - Desarrollo del modelo matematico. - Verificación y mantenimiento del modelo matematico. 3 Diseño de experimentos de un factor. 3.1 El analisis de varianza en la clasificación del solo sentido. 3.2 Analisis del modelo de efectos fijos. 3.2.1 Descomposición de la suma total de cuadrados. 3.2.2 Analisis estadístico. 3.2.3 Estimación de los parámetros del modelo. 3.2.4 El caso desbalanceado. 3.3 Comparación entre las medias de los tratamiento! 3.3.1 Contrastes ortogonales. 3.3.2 Metodo de Sheffe para comparación de contraste. 3.3.3 Metodo de la minima diferencia significativa. 3.3.4 Prueba de rango multiple de Duncan. 3.3.5 Prueba de Newman-Keuls. 3.3.6 Prueba de Tukey. 3.4 El modelo de efectos aleatorios. 3.5 Verificación de la adecuación del modelo. 3.5.1 Generación de los residuos. 3.5.2 La suposición de normalidad.
3.5.3 Trazado de los residuos en secuencia de tiempo. 3.5.4 Trazado de los residuos contra valores ajustado. 3.5.5 Prueba de Bartlett para igualdad de varianzas. 4 Diseños de bloques. 4.1 El diseño de bloques totalmente aleatorizado. 4.1.1 Analisis estadistico. 4.2 Verificación de la adecuación del modelo. 4.2.1 Generación de los residuos. 4.2.2 La suposici6n de la norrralidad. 4.2.3 Trazado de los residuos contra tratamientos,bloques y valores ajustados. 4.2.4 Estimación de valores perdidos. 4.3 El diseño Cuadrado Latino. 4.4 El diseño cuadrado Creco-Latino. 5 Introducción a los diseños factoriales. 5.1 Definiciones y principios básicos. 5.1.1 La ventaja de los factoriales.. 5.2 Diseño factorial de dos factores. 5.2.1 Analisis estadistico del modelo de efectos fijos. 5.2.2 Comparaciones multiples. 5.2.3 Verificación de la adecuación del modelo. 5.2.4 Modelo de dos factores sin interacción.
5.2.5 Una observación por celda. 5.3 Modelos aleatorios y mixtos. 5.3.1 El modelo de efectos aleatorios. 5.3.2 Modelos mixtos. 5.4 El diseño factorial general. 5.5 Tratamiento con datos desbalanceados. 5.5.1 Datos proporcionales. 5.5.2 Métodos aproximados. 5.- APRENDIZAJES REQUERIDOS Que sea capaz de efectuar los calculos necesarios para generar una matriz inversa. Que sea capaz de manipular el operador valor esperado. Que sea capaz de utilizar las tablas de las distribuciones normal x*, t y F. 6.- SUGERENCIAS DIDACTICAS Solucionar problemas reales aplicando las herramientas estadisticas que cubre el curso. Realizar tatleres de resolución de problemas durante el curso. Realizar visitas a industrias que apliquen tecnicas avanzadas de estadistica. Resolver problemas de regresión y diseño de experimentos utilizando software. Realizar investigaciones documentales de aplicaciones practicas de las tecnicas estadisticas. Desarrollar un prototipo didactico utilizando diseño de experimentos. 7.- SUGERENCIAS DE EVALUACIÓN Informes de la investigación documental. Reporte de visitas a industrias. Participación durante el desarrollo del curso. Reporte de la aplicación del diseño de experimentos en el desarrollo o mejora de un producto. Revisión de tareas asignadas. Revisión de trabajos asignados, utilizando software. Reporte de la solución de problemas reales.
NOTA: Los dos puntos anteriores deberan ser desarrollados y/o enriquecidos por la Academia en conjunto con el Departamento de Desarrollo Académico. 8.- UNIDADES DE APRENDIZAJE Unidad 1: REGRESION LINEAL SIMPLE. Objetivo Educacional Actividades de Aprendizaje Fuentes de Información Al término de esta unidad el alumno será capaz de interpretar el proceso metodológico para la construcción de un modelo de regresión simple, asi como manipular un conjunto de datos, ya sea con una calculadora de escritorio o un programa de computadora diseñado especialmente para ello a través de un paquete de computadora con el fin de obtener los perametros del modelo. 1.1 Que el alumo identifique con precisión la terminología de la regresión. 1.2 Que comprenda la importancia de la verificación de las suposiciones en las cuales se basa un modelo de regresión simple. 1.3 Que identifique y transforme modelos aparentemente no lineales en lineales. 1,2,3,4,5,6 Unidad 2: REGRESION LINEAL MULTIPLE. Objetivo Educacional Actividades de Aprendizaje Fuentes de Información
El alumno será capaz de interpretar con precisión el proceso metodológico para la construcción de un modelo de regresión múltiple. 2.1 Que el alumno comprenda la importancia que resisten las medidas de adecuación del modelo. 2.2 Que use un paquete de computadora (por ejemplo el STORM) para obtener una respuesta rápida y precisa en la generación de los parametros del modelo. 1, 2, 3, 4, 5, 6 Unidad 3: DISEÑO DE EXPERIMENTOS DE UN FACTOR. Objetivo Educacional Actividades de Aprendizaje Fuentes de Información Que el alumno sea capaz de usar el Análisis de Varianza con el objeto de procesar la información y tomar una decisión en base a los resultados obtenidos. 3.1 Que el alumno compare la complejidad de las pruebas para realizar comparaciones multiples entre las medias de los tratamientos. 3.2 Que el alumno identifique con precisión la terminología del Diseño Experimental. 3.3 Que interprete los resultados de las pruebas para la verificación de la ecuación del modelo. 7, 8, 9, 10 3.4 Que comprenda la diferencia entre un modelo de efectos fijos y uno de efectos aleatorios. 3.5 Que identifique situaciones de la vida cotidiana en las cuales se pueda realizar un análisis estadistico por medio del modelo de un solo sentido.
Unidad 4: DISEÑO DE BLOQUES. Objetivo Educacional Actividades de Aprendizaje Fuentes de Información Que el alumo sea capaz de usar el modelo de bloque que correspondiente en función de sus caracteristicas particulares. 4.1 Que el alumo comprenda las implicaciones sobre el proceso de aleatorización. 4.2 Que interprete con precisión los resultados de la adecuación del modelo. 4.3 Que compare la complejidad de los diversos modelos de bloques. 7,8,9,10 4.4 Que use un paquete de computadora para el tratamiento de los datos asociados al modelo de bloques respectivo. 4.5 Que interprete con seguridad los resultados del análisis de varianza. Unidad 5: INTRODUCCON A LOS DISEÑOS FACTORIALES Objetivo Educacional Que el alumo sea capaz de usar el modelo factorial correspondiente en función de sus caracteristicas particulares. Actividades de Aprendizaje 5.1 Que comprenda las ventajas y desventajas de los diseños factoriales. 5.2 Que comprenda las implicaciones de los diversos modelos mixtos. 5.3 Que identifique los distintos enfoques para el tratamiento de datos desbalanceados. 5.4 Que use un paquete de computadora como herramienta para generar con precisión los resultados del manejo de los datos asociados al modelo respectivo. Fuentes de Información 7,8,9,10 5.5 Que interprete con seguridad los resultados del analisis de varianza.
OBSERVACIONES: Para apoyar este curso con un paquete de computadora, se sugiere usar la versión más actual del START GRAPHICS, en caso de no contar con el, usar el LOTUS en su versión más actual o el STORM para las unidades I y II ; y un paquete hecho en el I. T. de QUERETARO para las unidades III, IV y V (para las unidades III y V el Lenguaje usado fue PASCAL y en la IV el lenguaje usado fue BASIC). 9.- FUENTES DE INFORMACION BASICA 1. Probabilidad y Estadistica para Ingenieria y Administración. Hines, William U. y Douglas C. Montgomery. Ed. CECSA. (1986). 2. Applied Regression Analysis. Draper, N. R. y H. Smith. Ed. Wiley, 2nd. ed. (1981). 3. Introduction to Linear Regression Analysis. Montgomery, Douglas C. y Elizabeth A. Peck. Ed. Wiley (1982). COMPLEMENTARIA 4. Probability and Statistics for Engineers and Scienteists. Walpole, Ronald E. y Raymond H. Myers. Ed. Caller Macmillan. 2nd. (1978).
5. Introduction to Operations Research. Gillett, Billy E. Ed. Mcgrau Hill. (1976). 6. Fitting Ecuations to Data Daniel, C. y F.S. Uood Wiley (1980). BASICA. 7.Design and Analisis of Experiments. Montgomery, Douglas C. Ed. Wiley, 2nd. (1984) 8. Statistics for Experiments. Box, George E. P., Hunter, Willam G., y J. Stuart Hunter. Ed. Wiley. (1978) 9. Fundamental Concepts in the Design of Experiments. Hicks, Charles R. COMPLEMENTARIA 10. Statistical Design and Analysis of Experiments With Applications to Engineering and Science. Mason, R. L., Gunst, R. F. y J. L. Hess. Ed. Wiley. (1989)