UNIVERSIDAD DEL TOLIMA FACULTAD DE CIENCIAS

DEPARTAMENTO DE MATEMATICAS Y ESTADISTICA

ASIGNATURA:
PROGRAMA:
INTENSIDAD:
NIVEL:

METODOS ESTADISTICOS
MATEMATICAS CON ENFASIS EN ESTADISTICA
4 H.S TEORICO PRACTICAS
CUARTO SEMESTRE

Esta asignatura, ubicada despus de que el estudiante ha realizado un curso de teora estadstica
en el cual ha visto las bases tericas de la probabilidad y de las variables aleatorias en general,
tiene como fin prepararlo para la aplicacin prctica de los elementos estadsticos ms bsicos y
comunes que le permitan plantear, formular y analizar problemas corrientes de investigacin.
Para el desarrollo de la asignatura se hace necesario contar con los medios necesarios para
utilizar buen software de carcter estadstico. En general, el curso necesita de los siguientes
paquetes: Matlab, R, SPSS, Minitab, Infostat y PQRS. Una vez conocidos y entendidos los
conceptos tericos, los clculos y prcticas deben realizarse en un computador. De lo contrario la
intensidad horaria sera insuficiente para el cabal cubrimiento de los contenidos.

Unidad 1. VARIABLES ALEATORIAS

Esta unidad tiene por objeto ubicar al estudiante en los elementos bsicos para el estudio de la
Estadstica como lo son los conceptos de probabilidad, variable aleatoria y distribucin de
probabilidad. En buena medida ella constituye un repaso y afianzamiento de conceptos vistos en
el curso de teora estadstica.
CONTENIDO GENERAL DE LA UNIDAD:
Concepto de probabilidad y variable aleatoria. Esperanza y varianza de una variable aleatoria.
Tipos de variables aleatorias. Principales variables aleatorias: Uniforme discreta, binomial,
Multinomial, Poisson, Geomtrica e Hipergeomtrica. Normal, t de Student, F, Ji cuadrado.
Poblaciones y muestras. Cmo seleccionar muestras aleatorias simples. Variables aleatorias
categricas.

Unidad 2. ANALISIS EXPLORATORIO DE DATOS

El principal objetivo de esta unidad es el examen de los datos estadsticos para juzgar su
idoneidad como elemento informativo. Igualmente en esta unidad se presentan herramientas de
diagnstico de las distribuciones empricas de los datos que permitan asegurar niveles mnimos
de confiabilidad en las inferencias estadsticas

CONTENIDO GENERAL DE LA UNIDAD

Conteos de frecuencias. Resumen y presentacin grfica de datos estadsticos. Tablas de
frecuencia. Estadsticos muestrales de importancia: media y varianza. Distribuciones empricas
de probabilidad. Aproximaciones grficas de las distribuciones: diagramas de puntos,
Histogramas. Polgonos de frecuencias. Diagramas Box-Plot. Ajuste de los datos a una
distribucin. Grficas P-P y Q-Q. Prueba Ji-cuadrado de bondad de ajuste. Pruebas de ajuste a
una distribucin normal (pruebas de normalidad): Kolmogorov-Smirnov. Estimacin de
estadsticos de orden a partir de la muestra: cuartiles, deciles y percentiles. Diagramas de
dispersin. Transformaciones de los datos

Unidad 3. ESTIMACION DE PARAMETROS

Una de las razones de ser de la Estadstica es su capacidad de estimar parmetros poblacionales
que en general no son conocidos por mtodos directos. Dichos parmetros determinan muchas de
las propiedades y caractersticas de una poblacin. Esta unidad introduce al estudiante en el
complejo mundo de la estimacin estadstica, trabajando para ello con los parmetros ms
sencillos como son la media, la varianza y la proporcin.

CONTENIDO GENERAL DE LA UNIDAD

Concepto de estimador de un parmetro. Mtodos de construccin de estimadores: Momentos y
mxima verosimilitud. Distribucin de un estimador. Valor esperado, varianza y error estndar
de un estimador. Concepto de Intervalo de Confianza (IC). Propiedades deseables de un
estimador. Estimadores de la media y sus propiedades. Estimacin de una media. Mtodos de
estimacin de medias tanto para poblaciones normales como para otras poblaciones (bootstrap).
Tamao de muestra para estimar una media en poblaciones normales. Construccin del IC para
una media. Estimadores de la varianza en poblaciones normales y propiedades. Estimacin de
una varianza. Construccin del IC para una varianza. Estimador de una proporcin y propiedades
tanto para muestro con reemplazamiento como para muestreo sin reemplazamiento. Estimacin
de una proporcin tanto por mtodos exactos (Clopper y Pearson, Blyth y Hutchinson) como por
aproximacin normal (Wald). Tamao de muestra para estimar una proporcin por el mtodo de
Wald. Construccin de IC para una proporcin. Mtodo bootstrap para estimacin de
proporciones.

Unidad 4. PRUEBAS DE HIPOTESIS SOBRE PARAMETROS

La estadstica es una excelente herramienta de apoyo a la investigacin experimental. Tanto es
as que prcticamente ningn informe de investigacin experimental es aceptado y reconocido si
no va acompaado de su correspondiente sustento estadstico. Esta unidad tiene como objeto
familiarizar al estudiante con las herramientas ms comunes y bsicas sobre la prueba de
hiptesis, aspecto de frecuente aparicin en los trabajos de investigacin.

CONTENIDO GENERAL DE LA UNIDAD

Hiptesis estadsticas. Filosofa de una prueba estadstica. Hiptesis nula e hiptesis alterna.
Error tipo I y error tipo II. Potencia de una prueba. Nivel de significancia. Valor P. Prueba de la
hiptesis

0 para medias. Prueba de la hiptesis 2 02 para varianzas. Prueba de la

0 para proporciones. Comparacin de dos medias con muestras pareadas.

hiptesis
Comparacin de dos medias con muestras independientes y varianzas iguales. Comparacin de
dos medias con muestras independientes y varianzas distintas. Problema Fisher-Behrens y
frmula de Smith-Saterthwaite. Comparacin de dos proporciones.

Unidad 5. COMPARACION DE K MEDIAS Y ANOVA

El problema de la comparacin de ms de dos medias es quizs la situacin ms frecuente en los
procesos investigativos experimentales. Ocurre cuando se someten a prueba varios tratamientos
para decidir cul de ellos produce los mejores resultados. Se toma una decisin al respecto
comparando los tratamientos segn los resultados promedios y escogiendo aquel o aquellos
cuyas media sean ms favorables a los intereses de la investigacin. La comparacin se realiza a
travs de una poderosa tcnica estadstica conocida como ANOVA, sigla que proviene de la
frase inglesa ANALYSIS OF VARIANCE que, literalmente describe un proceso de
descomposicin de la variabilidad de los datos. El anlisis de varianza tiene muchas aplicaciones
en la estadstica y se ha desarrollado para situaciones muy complejas que no se tocan en este
curso. La unidad pretende entonces dar a conocer al estudiante los elementos bsicos y ms
simples del anlisis de varianza en diseos elementales de una y dos vas.
CONTENIDO GENERAL DE LA UNIDAD
Descomposicin de la variabilidad total en un conjunto de datos correspondientes a un diseo de
una va. Deduccin de la tabla de anlisis de varianza para muestras normales con idntica
varianza. Pruebas de homogeneidad de la varianza. Prueba de la hiptesis. Comparaciones
mltiples. Caso en que fallan las hiptesis: prueba no paramtrica de Kruskall y Wallis.
Concepto de bloque. Anlisis de varianza para el caso de bloques completos con muestras
normales de igual varianza. Caso en que fallan las hiptesis: prueba no paramtrica de Friedman.

Unidad 6. MODELOS DE REGRESION LINEAL

Otro de los fines de la estadstica es la construccin de modelos matemticos que describan un
conjunto de datos de la mejor manera posible y que permitan realizar pronsticos para valores
que no estn entre los datos observados. Hay muchas funciones posibles que podran cumplir con
este objetivo, pero el caso ms sencillo es aquel en el cual se construyen modelos matemticos
de tipo lineal con una o ms variables regresoras que expliquen una variable dependiente de
inters. Esta unidad introduce al estudiante dentro del conocimiento de los modelos descritos
anteriormente

CONTENIDO GENERAL DE LA UNIDAD.

Concepto de correlacin entre variables de tipo numrico. Coeficiente de correlacin de Pearson.

Estimacin de
, construccin del IC para . Prueba de significancia de
.
El modelo lineal simple. Supuestos y tcnicas de estimacin. Pruebas sobre la significancia de
los coeficientes. Anlisis de residuos. Estudio de observaciones influnciales. Construccin de
pronsticos. Modelos transformables a modelos lineales simples. Modelo lineal mltiple.
Mtodos de estimacin de los parmetros del modelo. Pruebas de idoneidad del modelo. Anlisis
de residuos. Modelos lineales con inclusin de variables categricas. Mtodos de construccin de
los mejores modelos lineales. Criterio PRESS. Mtodos stepwise (paso a paso). Regresin
polinmica

Unidad 7. ENCUESTAS Y VARIABLES CATEGORICAS

Las encuestas forman parte de la vida cotidiana y nos hemos acostumbrado tanto a ellas que con
frecuencia no pensamos en los elementos que hay detrs de su construccin y aplicacin. Esta
unidad no pretende agotar el tema de las encuestas que seguramente necesita de por lo menos un
libro para su cubrimiento. Tan slo se busca familiarizar un poco con algunos procedimientos
bsicos que deben ser tenidos en cuenta, tanto en el diseo como en el anlisis de una encuesta.
A la vez ella intenta enfocar al estudiante en el conocimiento de las variables categricas, cuyo
anlisis ha sido tradicionalmente descuidado en los libros de estadstica.
CONTENIDO GLOBAL DE LA UNIDAD

Elementos que conforman una encuesta. Caractersticas de las preguntas de una encuesta. Diseo
de una encuesta. Aplicacin de la encuesta bajo muestreo aleatorio simple. Codificacin y
anlisis. Tablas de frecuencias para las variables categricas de una encuesta. Estimacin de
proporciones por categoras. Construccin de los IC para las proporciones de las categoras.
Frmula de Quenessberry y Hurst. Prueba de ajuste a una distribucin multinomial.
Distribuciones conjuntas de dos variables categricas. Tablas de contingencia. Asociacin e
independencia entre variables categricas. Pruebas de independencia en modelos multinomiales
completos. Pruebas de homogeneidad de proporciones en modelos multinomiales
independientes.

BIBLIOGRAFIA BASICA:
1. Casella G. y R. Berger; Inferncia Estatstica. Cengage Learning. 2 Ed. 2011
2. Hogg R. y E. Tanis; Probability and Statistical Inference. Maxwell MacMillan
International Editions. 3 Ed. 1989.
3. Mood A. M., R. Graybill y D. Boes; Introduction to the Theory of Statistics. McGraw
Hill International Editions. 3. Ed. 1974
4. Mendenhall W. y T. Sincich; A Second Course in Statistics. Prentice Hill. 5 Ed. 1996.
5. R.V. Hogg, J.W. McKean y A. T. Craig; Introduction to Mathematical Statistics; Pearson
Prentice-Hall. 6. Ed. 2005
6. Fienberg Stephen: The Analysis of Cross Classified Categorical Data. Springer. 2. Ed.
2007
7. Clavijo J.; Curso de Mtodos Estadsticos. Universidad del Tolima. Revisin de obra
anterior. En preparacin.
8. Walpole R. y R. Myers; Probabilidad y estadstica. McGfraw-Hill International. 4. Ed.
1992
9. Mendenhall W. y T. Sincich; Probabilidad y Estadstica para Ingeniera y Ciencias.
Prentice-Hill International. 4. Ed. 1997