Download Descargar - Cybertesis URP

Survey
yes no Was this document useful for you?
   Thank you for your participation!

* Your assessment is very important for improving the work of artificial intelligence, which forms the content of this project

Document related concepts

Estadístico muestral wikipedia, lookup

Distribución χ² wikipedia, lookup

Distribución t de Student wikipedia, lookup

Varianza wikipedia, lookup

Homocedasticidad wikipedia, lookup

Transcript
UNIVERSIDAD RICARDO PALMA
FACULTAD DE INGENIERÍA
ESCUELA ACADEMICO PROFESIONAL DE INGENIERIA INDUSTRIAL
SILABO - ESTADISTICA Y PROBALIDADES
I. INFORMACIÓN GENERAL
CODIGO
SEMESTRE
CREDITOS
HORAS POR SEMANA
PRERREQUISITOS
CONDICION
PROFESOR
PROFESOR E-MAIL
:
:
:
:
:
:
:
:
CE86 Estadística y Probabilidades
5
4
5 (Teoría – Práctica - Laboratorios)
CALCULO III
Obligatorio
Pablo Torres
[email protected]
II. SUMILLA DEL CURSO
El curso prepara al estudiante para aplicar los conceptos, métodos y técnicas de la estadística descriptiva y
diferencial
para
y analizar
grupos
de datos
y variables.
Losdeconceptos
de probabilidad y variables
Se
presentan
los describir
contenidos
generales
del curso,
así como
su forma
desarrollo.
aleatorias se presentan y aplican para predecir valores futuros esperados. Las técnicas de regresión son
aplicadas para construir modelos que relacionan y vinculan un conjunto de datos y variables. Se desarrollan
problemas de aplicación en ingeniería y se usa software especializado.
III. COMPETENCIAS DEL CURSO
1. Organiza datos para su adecuado análisis e interpretación y calcula e interpreta sus propiedades
estadísticas fundamentales (valor medio y varianza).
Listar
6 y 8ycompetencias
quede
el curso
desarrolla.
2.entre
Explica
determina laespecíficas
probabilidad
eventos
y variables aleatorios, así como su función de
densidad de probabilidad.
Cada3.competencia
define
a través
de uno oy más
verbossu
que
reflejan
capacidades,
habilidades
y
Entiende y se
aplica
vectores
aleatorios
determina
función
delas
densidad
de probabilidad
conjunta.
actitudes
que el alumno
adquieredea lo
largo del curso.
4. Interpreta
el concepto
distribución
muestral y la aplica para calcular la probabilidad de un
evento o variable.
Se recomienda
5. Construye
que cada
modelos
competencia
de regresión
sea de lineal
dos líneas.
para representar la relación entre los parámetros
representativos de un conjunto de datos.
6. Aplica las pruebas de Chi-Cuadrado para verificar la función de densidad de probabilidad de un
conjunto de datos, así como la dependencia o independencia de dos variables.
IV. UNIDADES DE APRENDIZAJE
1. ORGANIZACION DE DATOS Y PRINCIPALES PARAMETROS ESTADISTICOS / 8 HORAS
Estadística
Población,
muestra
variable
/ Clasificación
delavariables
Métodos
Se
presenta/ el
título de la
Unidadyde
Aprendizaje
junto con
cantidad/de
horas. para organizar y presentar
datos / Datos cualitativos / Datos cuantitativos / Tablas de distribución de frecuencia / Representaciones
gráficas
/ Medidas
de tendencia
central:
mediana media ponderada / Medidas de dispersión:
Se
listan los
temas generales
de cada
Unidadmedia,
de Aprendizaje.
varianza, desviación estándar, coeficiente de variación / Medidas de posición: cuartil, decil, percentil /
Diagramas
de cajas.
Se
recomienda
que un curso no tenga más de 10 unidades de aprendizaje (sólo una recomendación)
2. PROBABILIDAD / 8 HORAS
1
Métodos de conteo / Reglas de adición y multiplicación / Permutaciones y combinaciones / Probabilidad /
Experimentos aleatorios, espacio muestral y eventos / Operaciones con eventos / Probabilidad condicional
/ Probabilidad total / Teorema de Bayes / Diagrama de árbol / Eventos independientes.
3. VARIABLES ALEATORIAS Y DISTRIBUCION D EPROBABILIDAD / 12 HORAS
Variable aleatoria: tipos, valor esperado y desviación estándar / Distribución de probabilidad de una
variable discreta: binomial, Poisson, hipergeométrica / Distribución de probabilidad de una variable
continua: uniforme, normal, gamma, exponencial.
4. VECTORES ALEATORIOS / 4 HORAS
Función de densidad de probabilidad conjunta / Distribución marginal / Vector esperado, varianza y
covarianza
esperado
dedefunciones
de junto
dos variables
aleatorias
/ Covarianza de dos variables
Se
presenta /el Valor
título de
la Unidad
Aprendizaje
con la cantidad
de horas.
aleatorias.
Se listan los temas generales de cada Unidad de Aprendizaje.
5. DISTRIBUCION MUESTRAL / 4 HORAS
Muestreo
/ Técnicas
/ Muestreo
/ Distribución
del valor medio, la
Se
recomienda
que un muestrales
curso no tenga
más de 10probabilístico
unidades de aprendizaje
(sólomuestral
una recomendación)
varianza / Teorema del límite central.
6. ESTIMACION Y PRUEBAS DE HIPÓTESIS / 12 HORAS
Estimación puntual de una muestra aleatoria / Estimadores puntuales: media, media proporcional,
diferencia de medias, varianza / Estimación por intervalos / Intervalos de confianza: media, media
proporcional y varianza / Pruebas de hipótesis / Tipos de error / Pruebas de hipótesis para media, varianza
y proporción / Pruebas de hipótesis para dos varianzas, media poblacional y ratios proporcionales.
7. ANALISIS DE REGRESION Y CORRELACION / 8 HORAS
Regresión simple / Diagrama de dispersión / Estimación de parámetros / Descomposición de la varianza
total / Coeficiente de determinación / Errores de estimación / Coeficiente de correlación / Intervalos de
predicción / Pruebas de hipótesis de coeficientes de regresión.
8. PRUEBAS CHI-CUADRADO / 8 HORAS
Pruebas de ajuste para distribuciones uniforme, binomial, Poisson / Tablas de contingencia / Pruebas de
independencia.
V. LABORATORIOS Y EXPERIENCIAS PRACTICAS
Laboratorio 1: Generación de señales aleatorias
Se
presenta el
de cada experiencia
delalaboratorio.
Laboratorio
2: título
Determinación
y gráfica de
función de densidad de probabilidad
Laboratorio 3: Regresión lineal y cuadrática
VI. METODOLOGIA
El curso se desarrolla en sesiones de teoría, práctica y laboratorio de cómputo. En las sesiones de teoría, el
docente
presenta
los conceptos,
teoremas
y aplicaciones.
las sesiones
prácticas,
se resuelven
diversos
Se
describe
brevemente
la metodología
de dictado
del curso:Ensesiones
teóricas,
sesiones
prácticas de
problemas
y
se
analiza
su
solución.
En
las
sesiones
de
laboratorio
se
usa
el
software
de
simulación
solución de problemas, sesiones de laboratorio, trabajos grupales, participación del alumno, entregaMinitab
de
para resolver
problemas yorales,
analizar
informes,
presentaciones
etc.su solución. Al final del curso el alumno debe presentar y exponer un
trabajo o proyecto integrador. En todas las sesiones se promueve la participación activa del alumno.
VII. FORMULA DE EVALUACION
El Promedio Final PF se calcula tal como se muestra a continuación:
Se presenta la forma de calcular el promedio final del curso indicando todas las formas de evaluación y sus
PF = 0.25 EA + 0.25 EB + 0.10 PC1 + 0.10 PC2 + 0.07LB1 + 0.07 LB2 + 0.07 LB3 + 0.09TF
ponderaciones.
EA: Examen Parcial
PC: Prácticas Calificadas
EB: Examen Final
LB: Laboratorios Calificados
2
VIII. BIBLIOGRAFIA
1. MENDENHALL, William
Se presenta
la bibliografía
básica del
curso.
Estadística
y Probabilidad
para
Ingeniería
Editorial Prentice Hall, 2005
Deben considerarse no más de tres libros o textos.
2. ALVAREZ, José y TORRES Luis
En lo posible considerar textos reconocidos internacionalmente.
Probabilidad y Estadística
Editorial Alfa Omega, 2004
IX. APORTES DEL CURSO AL LOGRO DE RESULTADOS
El aporte del curso al logro de los Resultados del Programa (Competencias Profesionales) se indica en la
tabla siguiente:
K = clave
R = relacionado
Recuadro vacío = no aplica
Resultados del Programa (Competencias Profesionales)
Competencia
Aporte
Diseño en
Ingeniería
Solución de
Problemas
Gestión de
Proyectos
Aplicación de las
Ciencias
Experimentación
Diseña, implementa, opera y optimiza sistemas productivos para obtener bienes o
requerimientos, así como restricciones y limitaciones dadas.
Identifica, formula y resuelve problemas de ingeniería usando las técnicas, métodos
y herramientas de la ingeniería industrial. servicios que satisfacen
Planifica y administra proyectos de ingeniería industrial con criterios de calidad,
eficiencia y productividad.
Aplica los conocimientos y habilidades en matemáticas, ciencias e ingeniería para la
solución de problemas de ingeniería industrial.
Formula y conduce experimentos, analiza los datos e interpreta resultados.
Aprendizaje para
Toda la Vida
Perspectiva Local
y Global
Valoración
Ambiental
Responsabilidad
Etica y Profesional
Comunicación
Reconoce la importancia del aprendizaje continuo para permanecer vigente y
actualizado en su profesión.
Comprende el impacto que las soluciones de ingeniería industrial tienen sobre las
personas y el entorno local y global.
Considera la importancia de la preservación y mejora del medio ambiente en el
desarrollo de sus actividades profesionales.
Asume responsabilidad por los proyectos y trabajos realizados y evalúa sus
decisiones y acciones desde una perspectiva moral.
Se comunica de manera clara y convincente en forma oral, escrita y gráfica según los
diferentes tipos de interlocutores o audiencias.
Reconoce la importancia del trabajo grupal y se integra y participa en forma efectiva
en equipos multidisciplinarios de trabajo.
Trabajo en Equipo
K
K
R
R
R
Lima, Marzo de 2010
3