1.

- DATOS DE LA ASIGNATURA
Nombre de la asignatura:

Probabilidad y Estadstica

Carrera:

Ingeniera en Sistemas Computacionales

Clave de la asignatura:
(Crditos) SATCA1

3-2-5

2.- PRESENTACIN
Caracterizacin de la asignatura.

Esta asignatura aporta al perfil del Ingeniero en Sistemas Computacionales la

capacidad para:
Seleccionar y aplicar herramientas matemticas para el modelado,
diseo y desarrollo de tecnologa computacional.

Disear, configurar y administrar redes computacionales aplicando

las normas y estndares vigentes.

Desarrollar, implementar y administrar software de sistemas o de

aplicacin que cumpla con los estndares de calidad con el fin de
apoyar la productividad y competitividad de las organizaciones.

Disear, desarrollar y administrar bases de datos conforme a los

requerimientos definidos, las normas organizacionales de manejo y
seguridad de la informacin, utilizando tecnologas emergentes.

Poseer habilidades metodolgicas de investigacin que fortalezcan el

desarrollo cultural, cientfico y tecnolgico en el mbito de sistemas
computacionales y disciplinas afines.

Los conocimientos matemticos adquiridos en esta materia proveen al futuro

profesionista las competencias que le permitan entender, aplicar y desarrollar
modelos matemticos utilizando tcnicas de probabilidad y estadstica, para el
anlisis de informacin y toma de decisiones en las diferentes reas de las
ciencias computacionales.
Considerando que los conocimientos adquiridos en esta materia son
fundamentales para las asignaturas de los semestres intermedios, se sugiere
llevarla en el segundo semestre, donde ser el soporte para las materias de
1

Sistema de asignacin y transferencia de crditos acadmicos

estructura de datos en el anlisis de algoritmos, Fundamentos de Ingeniera de

Software en el anlisis de pruebas, Ingeniera de Software en el anlisis de las
metodologas de desarrollo de software, Redes de computadoras en el
rendimiento, Bases de Datos con respecto a seguridad, as como en los talleres
de investigacin para el anlisis de datos y resultados.
Intencin didctica.
La asignatura se encuentra dividida en cinco unidades. Las dos primeras
enfocadas a probabilidad y las tres siguientes a estadstica.
En la primera unidad Tcnicas de Conteo, se abordan los principios aditivo y de
multiplicacin para determinar la forma en que podr llevarse a cabo una serie
de actividades. Posteriormente se analiza la notacin factorial y su aplicacin
en el clculo de permutaciones y combinaciones. Finalmente se revisan los
conceptos de diagramas de rbol y el teorema del binomio.
En la segunda unidad, se revisarn los conceptos bsicos de probabilidad,
desde su definicin y simbologa, hasta sus axiomas y teoremas. Se analizan
las probabilidades con tcnicas de conteo, la probabilidad condicional, la ley
multiplicativa y los eventos independientes. Se revisarn las variables
aleatorias simples y conjuntas. Finalmente se identifican los modelos analticos
de fenmenos aleatorios discretos y continuos. Como elemento adicional se
consideran aplicaciones en el rea de las ciencias computacionales.
La estadstica descriptiva es explorada en la unidad tres, con los conceptos
bsicos de estadstica y la descripcin de datos. El anlisis de las medidas de
tendencia central y de dispersin son reforzadas mediante el uso de una hoja
electrnica de clculo para la obtencin de sus valores. Los conceptos de
distribucin de frecuencia y el anlisis de las tcnicas de agrupacin de datos y
muestreo son fortalecidos con la generacin de histogramas, analizando sus
diferencias y aplicaciones en situaciones especificas, especialmente en el rea
de las ciencias computacionales.
En la unidad nmero cuatro se revisan las Distribuciones muestrales: binomial,
hipergeomtrica, de Poisson. Se analiza en especial la distribucin normal:
ecuacin, grficas, tablas y aplicaciones. Finalmente se revisan la distribucin
T-student, Chi cuadrada y F.
La ltima unidad, Estadstica aplicada, propone herramientas para la toma de
decisiones mediante la inferencia estadstica. Para ello son revisadas las
pruebas de hiptesis y los conceptos de regresin y correlacin. De igual forma
se revisa el concepto de anlisis de multivariables.
Los contenidos se abordarn de manera secuencial como los marca el
programa, buscando la aplicacin del conocimiento, para ello en cada una de
las unidades, como punto final, se propone analizar con los estudiantes, las
aplicaciones en rea de las ciencias computacionales con un enfoque basado
en actividades que promuevan en el estudiante el desarrollo de sus habilidades
para trabajar en equipo y aplicar el conocimiento a la prctica, buscando con

ello que integre estos conocimientos al andamiaje personal mediante un

aprendizaje significativo.
La extensin y profundidad de los temas ser la suficiente para garantizar que
el estudiante logre las competencias sealadas oportunamente. Por otro lado,
el estudiante deber comprometerse a trabajar permanentemente en el anlisis
y resolucin de ejercicios y problemas a fin de que logre dichas competencias
antes de concluir la materia.
El profesor adems de ser un motivador permanente en el proceso educativo
deber ser promotor y director de la enseanza a travs de la transmisin de su
conocimiento, as como la aplicacin de sus habilidades y destrezas utilizando
las herramientas tradicionales y digitales a su alcance para cautivar a sus
estudiantes e interesarlos en el tema.
La lista de actividades de aprendizaje refiere a un conjunto de actividades por
unidad a fin de asociar la informacin temtica en la aplicacin de la misma
para fortalecer el aprendizaje significativo. Se sugiere que dichas actividades
sean resueltas en equipo en horarios extra clase, mediante el proceso de
investigacin y que en el aula sean expuestos y compartidos sus resultados
para llegar a conclusiones vlidas. Deber resolver problemas dentro y fuera
del saln de clases, con una participacin dinmica en cada una de las
actividades de aprendizaje. Usar software cuando sea posible para consolidar
lo aprendido en el saln de clase y disear y desarrollar modelos que permitan
poner en prctica los conocimientos vistos en cada una de las unidades que
integran la asignatura. Sin embargo, la tarea del docente es permanecer atento
al desarrollo de esas actividades a fin de facilitarles la comprensin y finalidad
de las mismas.
3.- COMPETENCIAS A DESARROLLAR
Competencias especficas:

Competencias genricas

Seleccionar modelos probabilsticos,

aplicar
clculos
de
inferencia
estadstica sobre datos y desarrollar
modelos para la toma de decisiones
en sistemas con componentes
aleatorios.

Competencias instrumentales:

Capacidad de anlisis y sntesis

Capacidad de organizar y
planificar

Conocimientos generales
bsicos

Conocimientos bsicos de la
carrera

Comunicacin oral y escrita en

su propia lengua

Habilidades bsicas de manejo

de la computadora

Habilidades de gestin de
informacin(habilidad para buscar y
analizar informacin proveniente de

fuentes diversas
Solucin de problemas
Toma de decisiones.

Competencias interpersonales:

Capacidad crtica y autocrtica

Trabajo en equipo

Habilidades interpersonales
Competencias sistmicas:

Capacidad de aplicar los

conocimientos en la prctica

Habilidades de investigacin

Capacidad de aprender

Capacidad de adaptarse a
nuevas situaciones

Capacidad de generar nuevas

ideas (creatividad)

Habilidad para trabajar en forma

autnoma

Bsqueda del logro

4.- HISTORIA DEL PROGRAMA
Lugar y fecha de
elaboracin o revisin
Instituto Tecnolgico de
Saltillo.
Del 5 al 9 de octubre de
2009

Observaciones
(cambios y justificacin)
Representantes de los Reunin nacional de Diseo
Institutos Tecnolgicos e innovacin curricular de la
de
carrera de Ingeniera en
Sistemas Computacionales
Participantes

Del 12 de octubre al 5 Representantes de la

de febrero de 2010
Academia de Sistemas y
Computacin de los
Institutos Tecnolgicos
de Colima, Alvarado,
Cd. Madero, Cd. Jurez

Anlisis, enriquecimiento y
elaboracin del programa de
estudio propuesto en la
Reunin Nacional de Diseo
Curricular de la carrera de
Ingeniera
en
Sistemas
Computacionales

Instituto Tecnolgico de
Poza Rica
Del 22 al 26 de febrero
de 2010

Reunin
nacional
de
consolidacin de la carrea de
ingeniera
en
Sistemas
Computacionales

Representantes de los
Institutos Tecnolgicos
participantes
en
el
diseo de la carrera de
Ingeniera

5.- OBJETIVO(S) GENERAL(ES) DEL CURSO (competencias especficas a

desarrollar en el curso)
Seleccionar modelos probabilsticos, aplicar clculos de inferencia estadstica
sobre datos y desarrollar modelos para la toma de decisiones en sistemas con
componentes aleatorios.
6.- COMPETENCIAS PREVIAS

Manejar con propiedad el sistema de nmeros reales.

Aplicar con propiedad las operaciones del lgebra

Conocer y aplicar los conceptos de teora de conjuntos.

Dibujar grficas de funciones.

Aplicar el clculo integral.

7.- TEMARIO
Unidad Temas
1
Tcnicas de conteo

Fundamentos de la
teora de probabilidad

Subtemas
1.1 Principio aditivo
1.2 Principio multiplicativo
1.3 Notacin Factorial
1.4 Permutaciones
1.5 Combinaciones
1.6 Diagrama de rbol
1.7 Teorema del Binomio
2.1 Teora elemental de probabilidad
2.2 Probabilidad de Eventos
2.2.1 Definicin de espacio muestral
2.2.2 Definicin de evento
2.2.3 Simbologa, unin,
interseccin, diagramas de
Venn
2.3 Probabilidad con Tcnicas de Conteo
2.3.1 Axiomas
2.3.2Teoremas
2.4 Probabilidad condicional
2.4.1 Dependiente
2.4.2 Independiente
2.5 Ley multiplicativa

2.6 Eventos independientes

2.6.1 Regla de Bayes
2.7 Variable aleatoria
2.8 Variables aleatorias conjuntas
2.9 Modelos analticos de fenmenos
aleatorios discretos
2.10 Modelos analticos de fenmenos
aleatorios continuos
3

Estadstica descriptiva

3.1 Conceptos bsicos de estadstica.

3.1.1 Definicin de estadstica
3.1.2 Teora de decisin
3.1.3 Poblacin
3.1.4 Muestra aleatoria
3.1.5 Parmetros aleatorios
3.2 Descripcin de datos
3.2.1 Datos agrupados y no
agrupados
3.2.2 Frecuencia de clase
3.2.3 Frecuencia relativa
3.2.3 Punto medio
3.2.4 Lmites
3.3 Medidas de tendencia central
3.3.1 Media aritmtica, geomtrica y
ponderada
3.3.2 Mediana
3.3.3 Moda
3.4 Medidas de dispersin
3.4.1 Varianza
3.4.2 Desviacin estndar
3.4.3 Desviacin media
3.4.4 Desviacin mediana
3.4.5 Rango
3.5 Parmetros para datos agrupados
3.6 Distribucin de frecuencias
3.7 Tcnicas de agrupacin de datos
3.8 Tcnicas de muestreo
3.9 Histogramas
3.9.1 Histograma de frecuencia
relativa
3.9.2 Diagramas de barras
3.9.3 Polgono de frecuencia
3.9.4 Ojivas
3.9.5 Grficas circulares

Distribuciones
muestrales

4.1 Funcin de probabilidad

4.2 Distribucin binomial
4.3 Distribucin hipergeomtrica
4.4 Distribucin de Poisson
4.5 Esperanza matemtica
4.6 Propiedades de la curva binomial

4.7 Distribucin normal

4.7.1 Distribucin de la probabilidad
continua
4.7.2 Ecuacin de la normal
4.7.3 Grficas
4.7.4 Tablas
4.7.5 Aplicaciones
4.8 Otras distribuciones muestrales
4.8.1 Distribucin T-student
4.8.2 Distribucin Chi cuadrada
4.8.2 Distribucin F
5

Estadstica aplicada

5.1 Inferencia estadstica

5.1.1 Concepto
5.1.2 Estimacin
5.1.3 Prueba de hiptesis
5.2 Estimaciones puntuales y por intervalos
de confianza
5.3 Pruebas de hiptesis
5.3.1 Para la media poblacional
5.3.2 Para diferencia de medias
5.3.3 Para proporciones
5.4 Regresin y correlacin
5.4.1 Regresin lineal simple
5.4.2 Coeficientes de regresin
5.4.3 Diagramas de dispersin
5.4.4 Estimacin mediante la lnea de
regresin
5.4.5 Mtodo de mnimos cuadrados
5.5 Anlisis de multivariables

8.- SUGERENCIAS DIDCTICAS (desarrollo de competencias genricas)

El profesor debe:
Ser conocedor de la disciplina que est bajo su responsabilidad, conocer su
origen y desarrollo histrico para considerar este conocimiento al abordar los
temas. Desarrollar la capacidad para coordinar y trabajar en equipo; orientar el
trabajo del estudiante y potenciar en l la autonoma, el trabajo cooperativo y la
toma de decisiones. Mostrar flexibilidad en el seguimiento del proceso
formativo y propiciar la interaccin entre los estudiantes. Tomar en cuenta el
conocimiento de los estudiantes como punto de partida y como obstculo para
la construccin de nuevos conocimientos.

Propiciar actividades de metacognicin. Ante la ejecucin de una

actividad, sealar o identificar el tipo de proceso intelectual que se
realiz: una identificacin de patrones, un anlisis, una sntesis, la
creacin de un heurstico, etc. Al principio lo har el profesor, luego ser
el alumno quien lo identifique. Ejemplos: identificacin de las diferentes

tcnicas de conteo y su aplicacin en la probabilidad y estadstica,

anlisis de modelos analticos de fenmenos aleatorios discretos o
continuos, elaboracin de un proceso a partir de una serie de
observaciones producto de un experimento: sntesis.
Propiciar actividades de bsqueda, seleccin y anlisis de informacin
en distintas fuentes. Ejemplo: buscar y contrastar caractersticas de las
diferentes distribuciones muestrales, identificando puntos de
coincidencia entre unas y otras, para determinar una situacin concreta
para su aplicacin.
Fomentar actividades grupales que propicien la comunicacin, el
intercambio argumentado de ideas, la reflexin, la integracin y la
colaboracin de y entre los estudiantes. Ejemplo: al socializar los
resultados de las investigaciones y las experiencias prcticas solicitadas
como trabajo extra clase.
Relacionar los contenidos de esta asignatura con las dems del plan de
estudios a las que sta da soporte para desarrollar una visin
interdisciplinaria en el estudiante. Ejemplos: La aplicacin de los
histogramas para el monitoreo de redes o procesos automatizados.
Propiciar el desarrollo de capacidades intelectuales relacionadas con la
lectura, la escritura y la expresin oral. Ejemplos: trabajar las actividades
prcticas a travs de guas escritas, redactar reportes e informes de las
actividades de experimentacin, exponer al grupo las conclusiones
obtenidas durante las observaciones.
Facilitar la utilizacin de diferentes herramientas computacionales para
llevar a cabo actividades prcticas, que contribuyan a la formacin de las
competencias para el trabajo experimental como: identificacin manejo y
control de variables y datos relevantes, planteamiento de hiptesis,
trabajo en equipo.
Propiciar el desarrollo de actividades intelectuales de induccindeduccin y anlisis-sntesis, que encaminen hacia la investigacin.
Propiciar el uso adecuado de conceptos, y de terminologa cientficotecnolgica
Desarrollar actividades de aprendizaje que propicien la aplicacin de los
conceptos, modelos y metodologas que se van aprendiendo en el
desarrollo de la asignatura.
Proponer problemas que permitan al estudiante la integracin de
contenidos de la asignatura y entre distintas asignaturas, para su
anlisis y solucin.
Relacionar los contenidos de la asignatura con el cuidado del medio
ambiente; as como con las prcticas de una agricultura sustentable.
Cuando los temas lo requieran, utilizar medios audiovisuales para una
mejor comprensin del estudiante.
Propiciar el uso de las nuevas tecnologas en el desarrollo de la
asignatura (procesador de texto, hoja electrnica de clculo, base de
datos, simuladores graficadores, Internet, etc.).
Promover actividades de educacin holista. Por ejemplo adems de
fomentar el conocimiento y su aplicacin, promover valores personales y

sociales a travs de actividades de crecimiento personal, asistencia

social y el cuidado del medio ambiente.
9.- SUGERENCIAS DE EVALUACIN

La evaluacin debe ser continua y formativa por lo que se debe

considerar el desempeo en cada una de las actividades de aprendizaje,
haciendo especial nfasis en:
o Reportes escritos de las observaciones hechas durante las
actividades realizadas en cada unidad acadmica, as como de las
conclusiones obtenidas de dichas observaciones.
o Informacin obtenida durante las investigaciones solicitadas
plasmada en documentos escritos.
o Descripcin de otras experiencias concretas que se obtendrn al
participar en discusiones, exposiciones o cualquier otro medio
didctico-profesional que trate sobre la materia y que debern
realizarse durante el curso acadmico.
o Exmenes terico-prcticos para comprobar la efectividad del
estudiante en la comprensin de aspectos tericos y su aplicacin a
la solucin de casos prcticos.
o La realizacin de prcticas considerando el uso de software.
o Presentacin y exposicin de cada actividad de aprendizaje. Algunas
se evaluarn por equipo.
o Un trabajo integrador, en donde se apliquen las herramientas
estadsticas del curso a un caso real.

10.- UNIDADES DE APRENDIZAJE

Unidad 1: Tcnicas de conteo
Competencia especfica a
desarrollar
Conocer los fundamentos y
tcnicas bsicas de estadstica,
para organizar, representar y
analizar datos obtenidos de una
situacin simulada o real.

Actividades de Aprendizaje

Investigar en diferentes fuentes los

principios aditivo y multiplicativo.
Resolver en grupos de trabajo problemas
que involucren los principios aditivo y
multiplicativo.
Presentar ejemplos de notacin factorial,
analizarlos en grupo y generar diferentes
ejercicios.
Investigar individualmente los conceptos
de permutaciones y combinaciones.
En plenaria discutir y llegar a una definicin
comn.
Resolver ejercicios relacionados con
permutaciones y combinaciones
Investigar individualmente el concepto de

diagrama de rbol, discutirlo en grupos de

trabajo y en plenaria resolver ejercicios
relacionados con el concepto.
Analizar en grupos de trabajo el teorema
del binomio, plantear su aplicacin en la
solucin de problemas especficos.
Elaborar un mapa conceptual donde se
especifiquen las diferentes tcnicas de
conteo, sus caractersticas y frmulas.

Unidad 2: Fundamentos de la teora de probabilidad

Competencia especfica a
Actividades de Aprendizaje
desarrollar
Conocer los conceptos bsicos
Investigar en grupos de trabajo el desarrollo
de probabilidad para aplicarlos en
histrico de la probabilidad, sus conceptos
la solucin de problemas.
bsicos:
espacio
muestral,
evento,
simbologa, operaciones, diagramas de
Venn, y las aplicaciones en situaciones
reales.
Elaborar un resumen individual con la
informacin encontrada.
Identificar individualmente los principales
axiomas y teoremas para la solucin de
problemas de probabilidad con tcnicas de
conteo.
Mediante juegos de azar y en grupos de
trabajo, determinar las probabilidades de
eventos simples y espacios muestrales
Resolver ejercicios y problemas en grupos
de trabajo que impliquen el clculo de la
probabilidad utilizando tcnicas de conteo.
Investigar en diferentes fuentes, el concepto
de probabilidad condicional y sus tipos.
Generar en grupos de trabajo, problemas
donde se aplique la probabilidad condicional
dependiente e independiente.
Identificar la aplicacin de la ley multiplicativa
en la solucin de problemas de clculo de
probabilidad en eventos mediante la
construccin de ejemplos en grupos de
trabajo.
Investigar el Teorema de Bayes para el
clculo de la probabilidad de eventos
independientes.
Construir en plenaria ejercicios que
involucren
el
teorema
de
Bayes,

relacionados con el rea de las ciencias

computacionales.
Investigar en grupos de trabajo los modelos
analticos de fenmenos aleatorios discretos
y continuos.
Elaborar un resumen individual de la
informacin
investigada,
incluyendo
aplicaciones en el rea de las ciencias
computacionales.

Unidad 3: Estadstica Descriptiva

Competencia especfica a
desarrollar
Conocer los aspectos
fundamentales de la inferencia
estadstica.
Definir la aplicacin de la
inferencia estadstica en
situaciones reales o simuladas.

Actividades de Aprendizaje

Investigar individualmente los conceptos

bsicos de estadstica: definicin, teora de
decisin, poblacin, muestra aleatoria,
parmetros aleatorios.
En grupos de trabajo, discutir la
informacin encontrada y llegar a
definiciones conjuntas.
Elaborar un mapa conceptual de la
informacin analizada.
A travs de ejercicios predefinidos,
determinar la descripcin de los datos
correspondientes,
presentando
un
resumen individual de los resultados
obtenidos.
Investigar en grupos de trabajo las
medidas de tendencia central: media
aritmtica,
geomtrica,
ponderada,
mediana y moda.
Formar grupos de trabajo, donde cada uno
deber presentar, mediante diapositivas,
un ejemplo del ambiente real donde se
calculen las medidas de tendencia central,
explicando la importancia de cada una de
ellas para el anlisis de los datos.
Investigar en grupos de trabajo las
medidas
de
dispersin:
varianza,
desviacin estndar, desviacin media,
desviacin mediana y rango.
Formar grupos de trabajo, donde cada uno
deber presentar, mediante diapositivas,
un ejemplo del ambiente real donde se
calculen las medidas de dispersin,
explicando la importancia de cada una de
ellas para el anlisis de los datos.
Resolver problemas que involucren

medidas de tendencia central y de

dispersin utilizando una hoja electrnica
de clculo.
Determinar en plenaria cuales son los
parmetros que deben analizarse para
datos agrupados.
Investigar individualmente en diversas
fuentes de informacin, los diferentes tipos
de distribucin de frecuencias.
En grupos de trabajo analizar y discutir las
caractersticas de las distribuciones de
frecuencia, identificando su utilizacin en
problemas especficos.
Elaborar un mapa conceptual de las
distribuciones de frecuencias.
Investigar individualmente en diferentes
fuentes de informacin, las tcnicas de
agrupacin de datos.
En grupos de trabajo analizar y discutir la
informacin
encontrada
y mediante
materiales visuales, cada grupo deber
presentar
una
tcnica
diferente,
identificando sus caractersticas y ejemplos
de aplicacin.
Definir en plenaria las diferentes tcnicas
de muestreo.
Utilizando una hoja electrnica de clculo,
elaborar diferentes histogramas, con
informacin
correspondiente
a
un
problema del medio cotidiano.
Analizar los resultados obtenidos en
grupos de trabajo, identificando las
caractersticas de cada uno de los
diferentes histogramas, determinar cules
son las situaciones adecuados para
utilizarlos.
Resolver problemas del rea de las
ciencias computaciones donde se apliquen
los conceptos analizados en esta unidad.

Unidad 4: Distribuciones muestrales

Competencia especfica a
Actividades de Aprendizaje
desarrollar
Identificar las distribuciones
Investigar individualmente en diferentes
Binomial, Hipergeomtrica,
fuentes de informacin las distribuciones:
Poisson, Normal, T-Student, Chibinomial, hipergeomtrica, Poisson.
cuadrada y F de Fisher para su
Formar grupos de trabajo para analizar y
aplicacin.

 Aplicar las distribuciones de

probabilidad, basndose en
datos de situaciones reales o
simuladas que impliquen eventos
aleatorios.

discutir la informacin encontrada.

Presentar en plenaria, mediante grupos de
trabajo, la definicin, caractersticas y
proceso de clculo de las distribuciones
investigadas.
Resolver ejercicios y problemas donde se
aplique las diferentes distribuciones.
Investigar en grupos de trabajo el concepto
de esperanza matemtica.
Definir en plenaria el concepto de
Esperanza matemtica.
Investigar individualmente en diferentes
fuentes de informacin, las propiedades de
la curva binomial.
Analizar y discutir en grupos de trabajo las
propiedades de la curva binomial.
Elaborar un resumen individual con las
conclusiones obtenidas.
Investigar individualmente en diferentes
fuentes de informacin, el concepto de
distribucin normal, sus caractersticas,
propiedades, clculo y aplicacin.
Elaborar un resumen de la informacin
obtenida.
Resolver
ejercicios
y
problemas
relacionados con la distribucin normal.
En grupos de trabajo, elaborar una
presentacin electrnica, donde cada
grupo explique un ejemplo diferente del
uso de la distribucin normal en la solucin
de problemas relacionados con el rea de
las ciencias computacionales.
Investigar en diferentes fuentes de
informacin y en grupos de trabajo, otras
distribuciones muestrales: T-student, Chi
cuadrada y F, sus caractersticas,
propiedades, clculo y aplicaciones.
Elaborar
individualmente
una
tabla
comparativa de todas las distribuciones
muestrales.
Resolver
ejercicios
y
problemas
relacionados
con
las
distribuciones
muestrales: T-student, Chi cuadrada y F.
En grupos de trabajo, elaborar una
presentacin electrnica, donde cada
grupo plantee un ejemplo diferente del uso
de las distribuciones muestrales: TStudent, Chi cuadrada y F en la solucin

de problemas relacionados con el rea de

las ciencias computacionales.
Utilizando un software estadstico resolver
problemas de las diferentes distribuciones.

Unidad 5: Estadstica Aplicada

Competencia especfica a
desarrollar
Comprender el concepto de
correlacin y regresin,
expresarlo matemticamente y
usarlo para tomar decisiones.

Actividades de Aprendizaje

Investigar en diferentes fuentes de

informacin y en grupos de trabajo, los
conceptos de inferencia estadstica,
estimacin y prueba de hiptesis.
En plenaria establecer una definicin
general de los conceptos de inferencia
estadstica, estimacin y prueba de
hiptesis.
Aplicacin en el rea de ciencias
computacionales.
Identificar las diferencias entre las
estimaciones puntuales y por intervalos de
confianza, elaborar individualmente una
tabla comparativa con los resultados
obtenidos.
Describir en grupos de trabajo las
caractersticas de las pruebas de hiptesis
para la media poblacional, para diferencia
de medias y para proporciones.
Resolver problemas que involucren las
pruebas de hiptesis para muestras
grandes y pequeas, por medio de la
media o de la proporcin.
Proponer
hiptesis
y
probarlas
estadsticamente.
Presentar en plenaria, problemas del rea
de las ciencias computacionales que
involucren pruebas de hiptesis y
establecer la toma de decisiones de
acuerdo a los resultados, analizando las
consecuencias de los mismos.
Investigar en grupos de trabajo los tipos de
diagramas de dispersin.
Obtener y explicar en grupos de trabajo, el
modelo de regresin lineal simple, los
coeficientes de regresin, diagramas de
dispersin y la estimacin mediante la
lnea de regresin.
Identificar el mtodo de mnimos

cuadrados y describir individualmente cada

uno de sus pasos
Analizar problemas en plenaria que
involucren los conceptos de regresin y
correlacin.
Presentar en plenaria, problemas del rea
de las ciencias computacionales que
involucren regresin y correlacin.
Analizar en grupos de trabajo el concepto
de anlisis de multivariables.

11.- FUENTES DE INFORMACIN

1. Anderson, D.; Sweeney D.; Williams, T. Estadstica para Administracin y
Economa.10. Edicin. Cengage Learning Editores, Mxico. 2008.
2. Carot, V. Control estadstico de la calidad. Alfaomega. Espaa. 2001.
3. Delgado de la Torre, R. Probabilidad y estadstica para ciencias e
ingenieras, Delta Publicaciones. Espaa. 2008
4. Devore, Jay L., Probabilidad y estadstica para ingeniera y ciencias, 7
Edicin, Editorial Cengage Learning, Mxico, 2008.
5. Gutirrez Pulido, H.; De la Vara Salazar, R. Control estadstico de la
calidad y seis sigma. 2a. Edicin. Mxico: McGraw Hill. 2009
6. Gutirrez Pulido, H.; De la Vara Salazar; R. Anlisis y diseo de
experimentos. McGraw-Hill. Mxico. 2004.
7. Kazmier, L.; Daz Mata, A., Gmez Daz, G. Estadstica aplicada a la
administracin y la economa. 4a. edicin. Editorial McGraw Hill. Espaa.
2006
8. Kenett, R.; Zacks, S. Estadstica Industrial Moderna International
Thomson. Mxico. 2000.
9. Larson, H. Introduccin a la teora de probabilidades e inferencia
estadstica. LIMUSA. Mxico. 1992.
10. Levin, R.; Rubin, D. Estadstica para administracin y economa. 7.
Edicin. Pearson Educacin. Mxico. 2004.
11. Levin, R.; Rubin, D.; Estadstica para Administradores. 6. Edicin. Ed.
Prentice Hall. Mxico. 1996.
12. Lipschutz, S. Probabilidad Serie Schaum. 2 edicin. McGraw Hill. Mxico.
2000.
13. Mendenhall, W.; Valckx Verbeeck, D. Estadstica para administradores. 2
edicin. Grupo Editorial Iberoamrica. Mxico. 1990
14. Mendenhall, W.; Sincich, T.; Escalona, R. Probabilidad y estadstica para
ingeniera y ciencias. 4. Edicin. Prentice Hall. Mxico.1997

15. Meyer, P. Probabilidad y Aplicaciones Estadsticas. Addison-Wesley

Longman. Mxico. 1992.
16. Miller, I; Freund, J; Probabilidad y Estadstica para Ingenieros. Mxico.
Prentice Hall. 2004
17. Milton, S.; Arnold, J. Probabilidad y Estadstica con aplicaciones para
ingeniera y ciencias computacionales. 4. Edicin. McGraw Hill. Mxico.
2004.
18. Montgomery, D; Runger, G. Probabilidad y Estadstica aplicadas a la
ingeniera. 2. Edicin. Limusa. Mxico. 2002
19. Spiegel, M. Estadstica Serie Schaum. 4. Edicin. McGraw Hill. Mxico.
2009.
20. Spiegel, M. Probabilidad y Estadstica. 2. Edicin. Ed. McGraw Hill.
Mxico. 2003.
21. Walpole, R.; Myers, R.; Myers, S. Probabilidad y Estadstica para
Ingenieros. 6. Edicin. Ed. Pearson Educacin. Mxico. 1999

12.- PRCTICAS PROPUESTAS (aqu slo describen brevemente, queda

pendiente la descripcin con detalle).

Generar diversos ejemplos de tcnicas de conteo utilizando software

disponible para el alumno.

Dibujar diagramas de rbol y resolver ejercicios para ilustrar las

tcnicas de conteo.

Usar elementos tales como juegos de azar para determinar las

probabilidades de eventos simples y espacios muestrales.

Generar a travs de una hoja electrnica de clculo

comportamiento del Teorema de Bayes para diferentes sucesos.

Mediante una hoja electrnica de clculo y a partir de un conjunto de

datos representados mediante grficas, analizar las medidas de
tendencia central y su dispersin.

Utilizando una hoja electrnica de clculo, elaborar diferentes

histogramas, con informacin correspondiente a un problema del
medio cotidiano.

Generar algoritmos de clculo para las medidas de tendencia central

bsicas.

Utilizando un programa estadstico (hoja electrnica de clculo o

SPSS) resolver problemas de las diferentes distribuciones
muestrales.

Elaborar grficos de las principales distribuciones de probabilidad

(normal, binomial, Poisson) y distinguir sus similitudes y
peculiaridades.

el

Con los datos obtenidos de una situacin real, aceptar o rechazar la

hiptesis por diferentes medios.

Obtencin del modelo de regresin lineal usando hoja electrnica y

un programa estadstico como el SPSS.

Representar matemticamente en un conjunto de datos la ecuacin

de regresin lineal o curvilnea.