Professional Documents
Culture Documents
Julio 2011
2|P a g .
TABLA DE CONTENIDO
PRESENTACIN ................................................................................................................. 5
PLAN DE ESTUDIOS............................................................................................................ 9
HORARIO APROBADO DE CURSOS ................................................................................... 11
XS-1110 Estadstica Introductoria I................................................................................... 13
XS-1130 Estadstica Introductoria II .................................................................................. 17
XS-2210 Estadstica Computacional I ................................................................................ 21
XS-2310 Modelos Probabilsticos Discretos ...................................................................... 23
XS-2110 Mtodos Estadsticos ......................................................................................... 26
XS-2230 Estadstica Computacional II ............................................................................... 29
XS-2330 Modelos Probabilsticos Continuos ..................................................................... 31
XS-2130 Modelos de Regresin Aplicados ........................................................................ 33
XS-3150 Principios de Diseos Experimentales ................................................................. 36
XS-3110 Principios y Tcnicas de Muestreo ...................................................................... 39
XS-3310 Teora Estadstica ............................................................................................... 42
XS-3010 Demografa Aplicada .......................................................................................... 45
XS-3170 Aplicaciones de diseos experimentales ............................................................. 48
XS-3130 Diseo de encuestas por muestreo ..................................................................... 50
XS-3210 Sistemas de Informacin .................................................................................... 52
XS-3510 Metodologa de la Investigacin Cientfica .......................................................... 55
XS-4410 Prctica Profesional I .......................................................................................... 57
XS-4510 Administracin para estadstica .......................................................................... 60
XS-4110 Introduccin al anlisis multivariado .................................................................. 62
XS-4010 Indicadores Econmicos, Sociales, Ambientales e Institucionales ........................ 65
XS-4430 Prctica Profesional II ......................................................................................... 69
XS-4530 Decisiones Estadsticas y Administrativas............................................................ 72
XS-4050 Tcnicas de Medicin para Estadstica ................................................................ 74
XS-4030 Estadstica Aplicada a la Industria ....................................................................... 77
Reglamento de la Escuela de Estadstica .......................................................................... 80
3|P a g .
4|P a g .
PRESENTACIN
El Plan de Estudios del Bachillerato en Estadstica ha sido sujeto de revisiones peridicas utilizando
para ello la evidencia sobre la pertinencia y relevancia del mismo para las condiciones actuales del
pas y el desarrollo de nuestra disciplina. En 1997 se aprueba un cambio sustancial en el plan de
estudios con el cual se elimin la licenciatura y se conforma el bachillerato acadmico como el grado
profesional del estadstico. Desde inicios de la dcada del 2000 y gracias a un empeo permanente de
mejora, se da inicio a un proceso de autoevaluacin de la Escuela que nos lleva a la reflexin y
discusin sobre los temas de los cursos, la didctica, el horario, etc., entre otras cosas. No es sino
hasta el 2009 cuando se logra concluir una revisin exhaustiva y reordenamiento de los cursos para
obtener el Plan de Estudios vigente, aprobado por Resolucin VD-R-8550-2010.
Se determin en este proceso que era fundamental desarrollar las habilidades y destrezas de los
graduados para que pudieran, entre otras cosas:
Comunicarse provechosamente con otros profesionales.
Trabajar en equipo.
Ejercer mayor liderazgo como profesionales.
Superar el conformismo, la inseguridad de muchos de ellos.
Eliminar la dependencia de otros profesionales.
Ser ms creativos y tomadores de decisiones.
Manejar con mayor propiedad el lenguaje en la redaccin de informes.
Fortalecer el criterio matemtico, metodolgico y prctico.
Comportarse ms como profesionales que como tcnicos.
Esta definicin llevara a establecer que los estudiantes que ingresen a la Escuela de Estadstica deben
tener un perfil con caractersticas como las siguientes:
Aficin por la informacin numrica.
Habilidad en el manejo de las matemticas.
Habilidad en el manejo de la computadora.
Aficin por la investigacin aplicada a diversos campos de la ciencia.
Inters por resolver problemas en una gran variedad de campos utilizando datos recolectados
por oficinas pblicas o privadas (Censos, encuestas peridicas, etc.) o mediante
experimentos, encuestas, etc.
Disposicin para trabajar individualmente o en un equipo interdisciplinario.
Facilidad para interactuar y comunicarse con diversos grupos sociales (oral y verbalmente, en
un recinto, por Internet, etc.)
Deseo constante de superacin.
Disposicin a redactar informes detallados de tareas, proyectos etc.
Disposicin para viajar y realizar investigaciones de campo etc.
Aficin por el ingls.
5|P a g .
La oferta acadmica en Estadstica ofrece entonces la posibilidad de cultivar en los estudiantes las
siguientes habilidades/destrezas, y actitudes/valores, las cuales deben verse reflejadas en el perfil de
salida de nuestro profesional:
Habilidades y destrezas
Personales
Facilidad de expresin oral y escrita.
Creatividad.
Seguridad en s mismo.
Espontaneidad.
Capacidad para conciliar.
Facilidad para manejar apropiadamente las relaciones interpersonales.
Sociabilidad.
Habilidad para manejar nmeros y capacidad de abstraccin.
Profesionales
Capacidad de integracin, sntesis y crtica constructiva.
Facilidad para integrarse al trabajo de un equipo multidisciplinario.
Capacidad de tomar decisiones prontas y oportunas en asuntos relacionados con su ejercicio
profesional.
Capacidad para liderar un grupo de trabajo o de investigacin.
Facilidad para reconocer y resolver problemas estadsticos.
Facilidad para enfocar problemas cientficamente.
Habilidad en el manejo de paquetes estadsticos.
Capacidad de convencimiento empleando argumentos estadsticos.
Capacidad de comunicarse efectiva y eficazmente en forma oral y escrita, empleando el
lenguaje propio de la disciplina estadstica en audiencias tcnicas y no tcnicas.
Capacidad para organizar trabajos, proyectos, informes, etc. y cumplir plazos de entrega.
Actitudes y valores
Formacin humanista
Solidaridad.
Tolerancia a diferentes opiniones.
tica profesional.
Integrador de esfuerzos.
Discernimiento.
Responsabilidad.
Honradez y puntualidad.
Honestidad intelectual.
Dedicacin al trabajo.
Reconocer sus errores y limitaciones (humildad).
Respeto por derechos de autor.
6|P a g .
Es as como el Plan de Estudios vigente, y los contenidos temticos de sus cursos, obedecen a estos
criterios, los cuales pretenden desarrollar en nuestros estudiantes las siguientes capacidades:
I.
II.
III.
IV.
V.
VI.
Formacin humanista
Formacin tcnica: Aplicar las tcnicas y mtodos estadsticos principales.
Destrezas computacionales.
Formacin en consultora.
Formacin en la direccin de proyectos: Administrar, coordinar o dirigir grupos de trabajo o
investigacin, en instituciones o empresas.
Formacin en comunicacin: Informar en forma escrita u oral, sobre los aspectos estadsticos
de una consultora o de un estudio o sobre el desempeo de un grupo de trabajo o
investigacin.
La Asamblea de Escuela No. 270, del 24 de marzo del 2010 aprueba finalmente las modificaciones de
los programas de los cursos, los cursos propiamente dichos y el horario de estos para el I y II Ciclo
lectivos. El Plan de Estudios y los programas de los cursos se presentan a continuacin.
Es importante mencionar tambin que la Vicerrectora de Docencia aprob, a propuesta nuestra, una
recodificacin de los cursos de la carrera dirigida a que el cdigo del curso tuviera significacin
acadmica, es decir, indicara el ao correspondiente en la carrera donde el curso se ensea, el grupo
de materia al que pertenece y el nmero secuencial. Por ltimo, en un esfuerzo para que la dinmica
de la Escuela se viera fortalecida por la transparencia de los procesos y responsabilidades de sus
integrantes, la Asamblea de Escuela No.278, del 8 de junio del 2008, acuerda, por unanimidad,
aprobar el Reglamento de la Escuela de Estadstica, el cual se presenta tambin en el presente
documento.
Se pretende entonces que con esta recopilacin de documentos, la comunidad de estudiantes y
profesores de la Escuela de Estadstica cuenten con la misma base de informacin acerca de la carrera
de Estadstica: su plan de estudios, el horario, los cursos propiamente dichos y el reglamento.
Igualmente, se pretende que esta publicacin permita establecer los mecanismos necesarios para que
la excelencia de nuestra carrera perdure con el transcurrir de los aos venideros.
7|P a g .
Ciencias actuariales
Ciencias actuariales
Agricultura y pesca
Biologa
Ingeniera
Administracin de negocios
Economa
Educacin
Salud
Control de calidad
Demografa
Ciencias sociales
Energa
El Gobierno
Psicologa
Industria
Turismo
En todas estas reas, y algunas otras, las y los profesionales en estadstica trabajan en equipo con
otras personas profesionales de diferentes reas en el desarrollo y aplicacin de nuevas tcnicas
estadsticas, adaptando tcnicas existentes, diseando experimentos y en el diseo y anlisis de
encuestas y estudios de retrospectiva y prospectiva.
Las y los profesionales en estadstica en Costa Rica estn expandiendo su papel en el desarrollo de
sistemas de computacin aplicados a aspectos propios del diseo de bases de datos para agilizar los
procesos de digitacin y procesamiento, tanto para efectos de encuestas, como para el registro de
datos en instituciones pblicas.
Una proporcin importante de las y los profesionales en estadstica estn trabajando actualmente en
consultora, con clientes de diversos sectores (industria, comercio, servicios, entre otros) y con
diferentes instituciones del sector estatal.
8|P a g .
PLAN DE ESTUDIOS
PLAN DE ESTUDIOS 2011
BACHILLERATO EN ESTADSTICA
ESCUELA DE ESTADSTICA UCR
PRIMER AO
I CICLO
EG-1 (6)
I CICLO
II CICLO
EG-2 (6)
Curs o Integra do
de
Huma ni da des II
EG-1
SR-I (2)
Semi na ri o de
Rea l i da d
Na ci ona l I
EG-2
II CICLO
RP- (3)
Repertori o
SR-II (2)
Semi na ri o de
Rea l i da d
Na ci ona l II
SR-I
II CICLO
TERCER AO
I CICLO
SEGUNDO AO
Curs o Integra do
de
Huma ni da des I
Opta ti vo
CUARTO AO
I CICLO
Opt- (3)
EG- (2)
MA-0125 (4)
XS-1110 (4)
LM-1030 (4)
Curs o de Arte
Ma tem ti ca
El ementa l
Es ta ds ti ca
Introductori a I
Es tra tegi a s de
Lectura en
Ingl s I
XE-0156 (4)
MA-0213 (4)
XS-1130 (4)
Introducci n a
l a Economa
XS-2210 (4)
MA-0313 (4)
Ma tem ti ca
Es ta ds ti ca
pa ra Economa y
Computa ci ona l I
Es ta ds ti ca II
MA-0213; XS-1130
MA-0213
XS-2230 (4)
MA-0232 (4)
Es ta ds ti ca
Ma tem ti ca
Computa ci ona l pa ra Economa y
II
Es ta ds ti ca III
XS-2310; XS-2210;
MA-0313
XS-2110
XS-2310 (4)
Model os
Proba bi l s ti cos
Di s cretos
XS-2110 (4)
XS-1130, MA-0213
XS-1130
XS-2110
XS-2310
XS-2330 (4)
XS-2130 (4)
Model os
Model os de
Proba bi l s ti cos
Regres i n
Conti nuos
Apl i ca dos
MA-0313; XSXS-2110; XS-2210;
2310; XS-2110
MA-0313
MA-0232; XS-2130
XS-2330
XS-3010 (4)
18
XS-2230
XS-3130 (4)
XS-3210 (3)
XS-3510 (3)
Di s eos de
Encues ta s por
Mues treo
Si s tema s de
Informa ci n
Metodol oga de
l a Inves ti ga ci n
Ci entfi ca
XS-3150
XS-3110
XS-2230
XS-3110
XS-4410 (3)
XS-4510 (3)
XS-4110 (4)
XS-4010 (3)
Indi ca dores
Introducci n a l
Econmi cos ,
Pr cti ca
Admi ni s tra ci n
An l i s i s
Soci a l es ,
Profes i ona l I
pa ra Es ta ds ti ca
Mul ti va ri a do
Ambi enta l es e
Ins ti tuci ona l es
XS-3010; XS-3130; XS-3130; XS-3170;
XE-0156; XS-3010;
XS-3310; XS-2130
XS-3170; XS-3510
XS-3510
XS-3210
XS-4530 (4)
Deci s i ones
Es ta ds ti ca s y
Admi ni s tra ti va s
19
Demogra fa
Apl i ca da
XS-3170 (4)
Pr cti ca
Profes i ona l II
18
Mtodos
Es ta ds ti cos
Apl i ca ci ones de
Di s eos
Experi menta l es
XS-4430 (4)
18
Acti vi da d
Deporti va
XS-3150 (4)
XS-3110 (4)
XS-3310 (4)
Pri nci pi os de
Pri nci pi os y
Teora
Di s eos
Tcni ca s de
Es ta ds ti ca
Experi menta l es
Mues treo
XS-2330; XS-2130 XS-2230; XS-2330 MA-0232; XS-2330
XS-4110; XS-4010
II CICLO
EF- (0)
Ma tem ti ca
Es ta ds ti ca
pa ra Economa y
Introductori a II
Es ta ds ti ca I
XS-1110, MA-0125
20
XS-4410
XS-4410
XS-4050 (3)
Tcni ca s de
Medi ci n pa ra
Es ta ds ti ca
XS-4030 (4)
Es ta ds ti ca
Apl i ca da a l a
Indus tri a
14
16
15
XS-4010; XS-4110;
XS-4510; XS-4010 XS-4110; XS-4010 XS-3170; XS-4110
XS-4410; XS-4510
requi s i to
corequi s i to
138
9|P a g .
10 | P a g .
Primer ao
Segundo ao
HORA
7-8
8-9
9-10
10-11
11-12
12-13
13-14
14-15
15-16
16-17
17-18
18-19
19-20
20-21
21-22
Tercer ao
Cuarto ao
Maestra
I SEMESTRE
MARTES
MIRCOLES
LUNES
XS-1110 (1)
XS-2110
XS-3310
XS-1110 (1)
XS-2110
XS-3310
XS-2210
JUEVES
VIERNES
XS-1110 (1)
XS-2110
XS-3310
XS-1110 (1)
XS-2110
XS-3310
XS-2210
XS-1110 (2)
XS-2210
XS-1110 (2)
XS-1110 (2)
XS-2210
XS-3110
XS-1110 (3)
XS-4110
XS-3010
XS-4510
XS-4110
XS-3010
XS-4110
XS-3010
XS-4510
XS-4110
XS-3010
XS-3150
XS-4510
XS-3110
XS-3110
XS-3150
XS-3110
XS-4410
XS-3150
XS-3110
SP-1632
SP-1624
XS-4410
SP-1627
XS-4010
SP-1625
SP-1633
SP-1626
XS-3150
SP-1632
SP-1624
XS-4410
SP-1627
XS-4010
SP-1625
SP-1633
SP-1626
SP-1633
SP-1625
SP-1626
XS-4010
SP-1624
SP-1632
SP-1633
SP-1625
SP-1626
SP-1624
SP-1632
HORA
7-8
8-9
9-10
10-11
11-12
12-13
13-14
14-15
15-16
16-17
17-18
18-19
19-20
20-21
LUNES
II SEMESTRE
MIERCOLES
MARTES
XS-1130 (1)
XS-1130 (1)
XS-2230
XS-2130
XS-2230
XS-2130
XS-2230
XS-2130
XS-2230
JUEVES
VIERNES
XS-1130 (1)
XS-3510
XS-1130 (2)
XS-2330
XS-1130 (1)
XS-3510
XS-1130 (2)
XS-2330
XS-3510
XS-2130
XS-2130
XS-3170
XS-4030
XS-3170
XS-4030
XS-3170
XS-4030
XS-4050
XS-3170
XS-4030
XS-3130
XS-4530
XS-4050
XS-3130
XS-4530
XS-3130
XS-4530
XS-4050
XS-3130
XS-4530
SP-1628
SP-1645
XS-4430
SP-1610
XS-3210
SP-1629
XS-4430
SP-1637
SP-1642
SP-1628
SP-1645
XS-4430
SP-1610
XS-3210
SP-1629
XS-4430
SP-1637
SP-1642
SP-1629
SP-1642
SP-1637
XS-3210
SP-1628
SP-1645
SP-1629
SP-1642
SP-1637
SP-1628
SP-1645
XS-4430
11 | P a g .
12 | P a g .
L: 9-11:50 am / J:9-10:50 am
4
I Ciclo 20__
Co-requisitos:
1.
2.
3.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
Conocer el papel que juega la Estadstica en las diferentes etapas de una investigacin cientfica y su interrelacin de
la Estadstica con otras disciplinas.
Describir los propsitos y alcance de la aplicacin de las tcnicas y mtodos de Estadstica Descriptiva.
Ubicar un problema determinado dentro del marco de la Estadstica Descriptiva, teniendo claro las tcnicas
estadsticas de que dispone para la adecuada descripcin de un conjunto de datos y conociendo las escalas y
mtodos que se pueden aplicar a los diferentes tipos de variables.
Conocer los trminos de datos existentes y no existentes, censos, muestras, encuestas, experimentos y los mtodos
de recoleccin de datos: observacin, entrevista, correo y registro.
Definir los conceptos estadsticos de objetivos, poblacin, unidad estadstica, caracterstica y observacin, escalas de
medicin
Utilizar las tcnicas exploratorias de datos: diagrama de caja, tallo y hoja, distribuciones de frecuencia.
Conocer sobre el diseo de cuestionarios y otros instrumentos para recopilar informacin.
Calcular, usar e interpretar adecuadamente las medidas de posicin y variabilidad.
Calcular, usar e interpretar ndices, proporciones, proporciones y tasas.
Utilizar las diferentes tcnicas de presentacin de datos-textual, semitabular, cuadros y grficos- de una manera
adecuada
Conocer el concepto de asociacin y algunas formas de medirla.
13 | P a g .
IV.- METODOLOGA
Se impartirn clases magistrales pero con participacin de los y las estudiantes y con sesiones en el laboratorio de
computacin implementando el uso de excel en los clculos. Los y las alumnas deben leer con antelacin a las
lecciones los temas indicados por el profesor, con el fin de que el proceso de aprendizaje sea ms fluido. El curso
tiene un total de 5 horas, dos de las cules se dedicarn a prctica que se implementar, hasta donde el tema lo
permita, resolviendo ejercicios con Excel. Esta prctica se realizar en dos modalidades: (1) resolviendo casos en
grupos pequeos, (2) en el laboratorio de cmputo. Resulta muy importante el conocimiento previo de un programa
de hoja electrnica para elaborar cuadros y grficos en formato digital, hacer el clculo de estadsticas bsicas de
posicin y variabilidad.
Los temas se evaluarn complementariamente mediante aplicaciones prcticas definidas por cada profesor. Estas
asignaciones consistirn en casos que los estudiantes debern desarrollar, conjuntos de ejercicios relativos al tema, o
desarrollo prctico de pequeas investigaciones. El profesor indicar previamente el desglose de puntos para cada
aspecto a evaluar en cada uno de los trabajos. Hasta donde sea posible en las soluciones debe utilizarse el uso de
exel para lo cual se impartir al menos una sesin semanal en el laboratorio de cmputo. Durante estas sesiones se
podr implementar la evaluacin de los trabajos. Es importante que el o la estudiante tenga presente que los
laboratorios NO se repiten, as que si tiene involucrado una evaluacin corta el o la estudiante perder esa nota.
Los temas tratados tendrn trabajos prcticos para que los y las estudiantes la desarrollen por si mismos a fin de
fortalecer el aprendizaje del aula y debern acudir a consultar al profesor en sus horas de consulta. Se fortalecer el
complemento de tecnologas de informacin en el curso, empleando plataformas como Moodle a fin de poder
mejorar y actualizar la forma en que se lleva a cabo la enseanza en nuestra universidad. Este medio permite el
intercambio eficiente de informacin con los y las estudiantes, as como el acceso a todo el material del curso
mediante internet. Los y las estudiantes debern matricularse en el curso durante las dos primeras semanas de
iniciado.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
II.-
14 | P a g .
2.3
2.4
2.5
2.6
VIII.- BIBLIOGRAFA
Libro de texto: Antologa Estadstica Introductoria I. Recopilada por la Escuela de Estadstica (Texto)
15 | P a g .
Mendenhall William, Beaver Robert J., Beaver Barbara M. 2007. Introduccin a la probabilidad y estadstica.
Thomson Learning. Ed. Mxico.
Carey, P. & K. N. Berk. 2001. Anlisis de datos con Microsoft Excel. Thomson Learning Ed. Mxico.
Gmez Barrantes, Miguel. 1998. Elementos de Estadstica Descriptiva. Tercera edicin. Editorial EUNED. Costa Rica.
Material complementario:
Tablas Estadsticas Universitarias.
Calculadora.
16 | P a g .
Perodo:
Aula:
XS-1110 y MA 0125
Co-requisitos:
4
II Ciclo 20__
IV.- METODOLOGA.
Se impartirn clases magistrales y se emplear intensivamente Excel para resolver las prcticas y asignaciones. Se
espera que los alumnos hayan ledo con antelacin a las lecciones, los temas, con el fin de que el proceso de
aprendizaje sea ms fluido y se aproveche mejor el tiempo.
Se utilizar, como texto, la antologa ESTADSTICA INTRODUCTORIA producida en la Escuela de Estadstica.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
I.1.1
1.2
1.3
1.4
muestral.
1.5 Probabilidad clsica, estadstica o relativista y subjetiva.
1.6 Ley general del producto de probabilidades, probabilidad condicional, caso de eventos independientes.
1.7 Ley general de la suma de probabilidades, probabilidad conjunta, caso de eventos mutuamente
excluyentes.
1.8 Variable aleatoria: continua y discreta.
II-
DISTRIBUCIONES DE PROBABILIDAD.
2.1.2
Distribucin Binomial.
Experimento de Bernoulli.
Variable binomial.
Distribucin Binomial
Frmula matemtica.
Media, varianza y desviacin estndar.
Clculo de probabilidades con Excel.
2.1.3
Distribucin Poisson.
Variable Poisson.
Distribucin de Poisson.
Frmula matemtica.
Media, varianza y desviacin estndar.
Clculo de probabilidades con Excel.
2.2.1
2.2.2
Distribucin normal
Caractersticas y propiedades.
Frmula matemtica.
Media y varianza.
Distribucin normal estndar.
Clculo de probabilidades con Excel.
2.2.3
Distribucin t-student.
Caractersticas y propiedades.
Frmula matemtica.
Media y varianza.
Distribucin normal estndar.
18 | P a g .
VII.- BIBLIOGRAFA
Libro de texto: Antologa elaborada por los profesores de la escuela de Estadstica que impartirn el curso. Para cada
tema se recomienda que se presenten aplicaciones al menos a dos campos diferentes. Por ejemplo estimacin con
un libro de Administracin y otro de Biologa, Verificacin de una media con un texto de Ciencias Sociales y otro de
Ciencias de la Salud
Anderson; Sweeney & Willians. Estadstica para administracin y economa. Thomson. Mxico.8va edicin.
19 | P a g .
Berk, K. N. & P. Carey. 2001. Anlisis de datos con Microsoft Excel . Thomson Learning. Mxico.
Gmez, M. 1980. Notas de Muestreo. UCR.
Gmez Barrantes Miguel. 1998. Elementos de Estadstica Descriptiva. Tercera edicin. Editorial EUNED. Costa Rica.
Kazmier L.& A., Daz-Mata. 1996. Estadstica aplicada a Administracin y a la Economa. Segunda Edicin revisada.
Editorial McGraw-Hill. Mxico.
Levin, R. & D. Rubin. 1996. Estadstica para Administradores. Sexta edicin. Editorial Prentice Hall. Mxico.
Mendenhall; Beaver & Beaver. Introduccin a la Probabilidad y la Estadstica. Thomson Ed. Mexico.
Spiegel, M. R. .Statistics. Schaum Publishing Co.
Webster. A. Estadstica aplicada a los negocios y la economa. Irwin-McGraw-Hill. Mxico. 3era edicin.
Material complementario:
-
20 | P a g .
M: 8:00 a 10:50 am
XS-1130, MA-0213
4
I ciclo 200__
Co-requisitos:
programacin (R). Conjuntos de caracteres, tipos de datos, constantes, variables, expresiones, instrucciones,
operadores aritmticos y lgicos. Entrada y salida de datos. Estructuras de control (if, then else, while, for case, etc.).
Arreglos y funciones.
Bases de Datos. Introduccin a los sistemas de bases de datos. Modelo Entidad/Asociacin y Modelo Relacional,
Introduccin al Visual FoxPro. Creacin y uso de tablas, obtencin de resultados. Consultas en SQL y reportes.
Aspectos computacionales del diseo de cuestionarios. Estrategias globales de manejo de errores. Definicin de
reglas (pautas) de consistencia. Procedimientos de codificacin
Diseo de aplicaciones de entrada de datos. Tcnicas para la deteccin y correccin de inconsistencias.
VIII.- BIBLIOGRAFA
Libros de teora de bases de datos y programacin y de los lenguajes y paquetes a utilizar en el curso.
22 | P a g .
Profesor:
Horario:
Aten. a estudiantes:
Requisitos
Perodo:
Aula:
Co-requisitos:
4
II Ciclo 20__.
XS-2110
23 | P a g .
24 | P a g .
VIII.- BIBLIOGRAFA
Libro de Texto: Hernndez Rodrguez, Oscar (2008). Modelos probabilsticos discretos. Editorial de la Universidad
de Costa Rica. 2008.
Antologa de casos.
Material complementario
Wackerly, D. D, Mendenhall, W y Scheaffer, R. (2002). Estadstica Matemtica con aplicaciones. Thomson, Mxico.
De Groot, M. H. Probabilidad y Estadstica. Addison-Wesley Iberoamericana. Segunda edicin, 1988.
Spiegel, M. Probabilidad y Estadstica. Serie Schaum.
25 | P a g .
Co-requisitos:
4
I ciclo 20__
XS-2310
Verificar que se cumplen los supuestos requeridos para diferentes pruebas estadsticas.
Aplicar los procedimientos de contrastes de hiptesis y de estimacin puntual y por intervalos.
Calcular las probabilidades de cometer los tipos de error I y II. Uso del valor p.
Establecer contrastes para el promedio, variancia, correlacin y proporcin, tanto para una muestra, como
para dos muestras independientes.
Establecer la igualdad de dos o ms proporciones poblacionales: Anlisis de Ji-cuadrada.
Efectuar pruebas de bondad de ajuste (Ji-cuadrada, Kolmogorov-Smirnov, otras pruebas de bondad de
ajuste para distribuciones especficas, kurtosis, asimetra).
Aplicar algunas tcnicas no paramtricas: pruebas de aleatoriedad, pruebas exactas.
Evaluar los supuestos de normalidad, variancias iguales u otros que exija una determinada prueba para
utilizar Estadstica Paramtrica, si no se cumplen utilizar Estadstica No Paramtrica.
Establecer para cada prueba estadstica cules son sus hiptesis nula y alternativa, el nivel de medicin que
debe tener la(s) variable(s) que utiliza y conocer los supuestos y probarlos, para as tomar las precauciones
necesarias al planear la recoleccin de datos y su posterior anlisis.
Establecer las caractersticas que deben tener los datos para poder aplicar vlidamente una tcnica
estadstica determinada. Los datos deben ser factibles de recolectar, vlidos y confiables.
Establecer cul es la distribucin muestral de los estadsticos relacionados con cada tcnica o mtodo
estadstico principal.
Establecer cules son los supuestos sobre los que se basa la distribucin muestral de los estadsticos
relacionados con cada tcnica o mtodo estadstico principal.
Reconocer los valores crticos ms usados para los principales niveles de confianza de las distribuciones de
los estadsticos relacionados con las tcnicas y mtodos estadsticos principales.
Reconocer (aunque sea aproximadamente) los tamaos de muestras para los cuales las distribuciones
reales de los estadsticos relacionados a los mtodos y tcnicas estadsticas principales se aproximan
26 | P a g .
IV.- METODOLOGA
- Los objetivos propuestos se alcanzarn mediante clases magistrales en que el profesor se basar
principalmente en ejemplos de aplicacin de las diferentes tcnicas, resolvindolos primeramente en forma
manual y mostrando luego como se obtienen los mismos resultados mediante el uso de un paquete
computacional. Los alumnos luego podrn resolver sus propios problemas ya sea mediante el uso del
computador o sin l.
- Es necesario que el estudiante traiga consigo una calculadora, idealmente con modo estadstico.
- Se utilizarn software estadsticos disponibles en la Escuela de Estadstica.
- Las lecturas para cada semana se sealan en el cronograma.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
coeficiente de contingencia.
Tema IX. Introduccin al anlisis de regresin simple y mltiple, y correlaciones parciales.
Tema X. Tamaos de muestra.
VIII.- BIBLIOGRAFA
El libro de texto:
Gutirrez Espeleta, E.E. 1995. Mtodos Estadsticos (para las ciencias biolgicas). Heredia, C.R.
EUNA. 2. Ed. (Libro de texto)
Otra bibliografa.
Mendenhall, W., Beaver, R.J., & Beaver, B.M. 2002. Introduccin a la probabilidad y estadstica. Australia : Thomson,
c2002/ 1. ed.
Montgomery, D.C. 2005. Diseo y anlisis de experimentos. Mxico, D.F. Editorial LIMUSA, S.A. de C.V. 2. Ed.
(Libro de texto)
Siegel, S. 1990. Estadstica no paramtrica aplicada a las ciencias de la conducta. Mxico: Trillas. 3. Ed.
Wackerly, D.D., Mendenhall, W., Scheaffer, R.L. 2002. Estadstica matemtica con aplicaciones. Australia : Thomson,
2002
Wooldridge J.M. 2000. Introductory Econometrics. A Modern Approach. South-Western College Publishing. Thomson
Learning. 1a. ed.
28 | P a g .
K 14:00 a 17:50
XS-2310, XS-2210, XS-2110
4
II ciclo 200__
Co-requisitos:
otros medios de salida. Creacin de tablas de 2 y 3 tres enradas y creacin de programas. Otros usos avanzados.
Generacin de nmeros aleatorios: mtodos de Monte Carlo, simulacin de muestras de poblaciones mediante
nmeros seudoaleatorios y solucin de ecuaciones no lineales. Generacin de muestras de poblaciones discretas y
continuas, y una ilustracin del teorema del lmite central. (Apoyado con el uso de algn software)
Contenido temtico
1.
1.1
1.2
1.3
1.4
2.
2.1
2.2
2.3
2.4
2.5
3.
3.1
3.2
3.3
3.4
4.
4.1
4.2
4.3
4.4
4.5
4.6
4.7
VIII.- BIBLIOGRAFA
Elmasri
y
Navathe.
Fundamentos
Addison Wesley (Pearson), Espaa, 2002
de
Sistemas
de
Bases
de
Datos,
30 | P a g .
Ed.
Co-requisitos:
4
I ciclo 20__
MA-0232, XS2130
Funciones de distribucin
31 | P a g .
VIII.- BIBLIOGRAFA
Libro de texto:
32 | P a g .
K: 9:00-11:50 y V: 10:00-11:50
XS-2110, XS-2210, MA-0313
Co-requisitos:
4
II Ciclo 20__
XS-2330
IV.- METODOLOGA
Este curso es fundamentalmente terico-prctico en donde se utilizan las sesiones tericas, sesiones prcticas donde
se utiliza el laboratorio de cmputo. Adems, se dejan tareas para resolver en la casa y se trata de que los
estudiantes utilicen datos reales con los cuales los estudiantes deben prepar y presentar un informe.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
33 | P a g .
34 | P a g .
VIII.- BIBLIOGRAFA
Libro de texto: Neter, J et al. (1996). Applied Linear Statistical Models. 4a. ed. WCB, McGraw-Hill.
Chatterjee, S. & A.S. Hadi (1988). Sensitivity Anlisis in Linear Regression. New York, N.Y.: Wiley.
Faraway, J. (2002). Practical Regression and Anova using R.
Documento en internet:
http://www.biostat.jhsph.edu/~iruczins/teaching/jf/faraway.html
Faraway, J. (2004). Linear Models with R. Chapman & Hall/CRC.
Faraway, J. (2005). Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric
Regression Models. Chapman & Hall/CRC.
Fox, J. (2002). An R ans S-Plus Companion to Applied Regression. Thousand Oaks, Cal.: Sage Publications, Inc.
Gujarati, D. (1990). Econometra bsica. McGraw-Hill.
35 | P a g .
K- V: 9:00-10:50 am
XS-2130, XS-2330
4
I Ciclo 20__
Co-requisitos:
Conocer las diferentes formas de agrupar las unidades experimentales y de asignarlas a los tratamientos.
Sabr llevar a cabo la recoleccin de informacin de diseos experimentales (identificacin de los
tratamientos, forma de anotar la informacin, digitarla, procesarla).
Conocer mtodos de control de sesgos de medicin.
Conocer los supuestos, los procedimientos par la aplicacin, los propsitos y alcance de las tcnicas de
mtodos de diseo estadstico.
Sabr expresar estadsticamente, la variacin explicada y no explicada de las respuestas (variables
dependientes, incluyendo cuando procede, una descripcin del diseo experimental).
Conocer los supuestos, los procedimientos para la aplicacin, los propsitos y alcance de las tcnicas y
mtodos de diseo estadstico.
Sabr planear, ejecutar y disear un experimento pequeo, y presentar un informe ante la clase en tiempo
limitado.
IV.- METODOLOGA
La materia se cubre por medio de lecciones magistrales, sesiones de prctica y lecturas asignadas. Las sesiones de
prctica se dedican al anlisis de casos y a la solucin de ejercicios que permitan aplicar y reafirmar los
conocimientos adquiridos utilizando al menos un software estadstico.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
36 | P a g .
37 | P a g .
3.4
El caso de pruebas pareadas como un caso sencillo de bloques.
3.5
El concepto de bloques.
3.6
Representacin grfica para analizar el efecto de bloques.
3.7
El anlisis de varianza en el diseo de bloques.
3.8
Prueba de la relevancia del uso de los bloques eficiencia relativa.
3.9
El diseo de medidas repetidas como un enfoque de diseo de bloques.
3.10 El nmero de bloques apropiado en un diseo.
3.11 Tratamiento de observaciones perdidas.
3.12 Verificacin de los supuestos en el diseo de bloques y medidas repetidas.
3.13 Anlisis de varianza no-paramtrico (Friedman).
3.14 Combinacin de bloques con un diseo factorial.
3.15 Bloques anidados.
3.16 Diseo de cuadrado latino.
3.17 Diseo de cuadrado grecolatino.
IV: Anlisis de covarianza.
4.7
4.8
4.9
4.10
4.11
4.12
VIII.- BIBLIOGRAFA
El libro de texto:
Montgomery, D.C. 2005. Diseo y anlisis de experimentos. Mxico, D.F. Editorial LIMUSA,
S.A. de C.V. 2. Ed. (Libro de texto)
El profesor se apoyar fuertemente en:
Milliken, G.A. & Jonson D.E. 1998. Analysis of Messy Data. Volume I: Designed Experiments. Boca Raton, Fl.
Chapman & Hall/CRC. 1a. ed. 1a. Reimpresin CRC Press.
Otra bibliografa.
Campbell D. y Stanley J. 1973. Diseos experimentales y cuasi-experimentales en la investigacin social. Amorrortu,
Buenos Aires.
Cochran, W.G. & Cox G.M. 1973. Diseos Experimentales. Trillas, Mxico.
Trochim, W.M.K. 2001. The Research Methods Knowledge Base. Cincinatti, OH. Atomic Dog Publishing. 2a. ed.
Wooldridge J.M. 2000. Introductory Econometrics. A Modern Approach. South-Western College Publishing. Thomson
Learning. 1a. ed.
38 | P a g .
4
I Ciclo 20__
Co-requisitos:
IV.- METODOLOGA
El curso consiste de cinco lecciones por semana de 50 minutos. Para cada sesin de clase los estudiantes tendrn
lecturas asignadas, para cuyo control se realizarn exmenes cortos. Adicionalmente, cada estudiante deber
presentar un trabajo escrito y en forma oral sobre un tema especfico de muestreo que ser asignado durante el
curso. Este trabajo ser asignado al estudiante en comn acuerdo con el profesor del curso.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
39 | P a g .
6.6
6.7
VIII.- BIBLIOGRAFA
Libro de texto: Kish, L (1965). Muestreo de Encuestas. Ed. Trillas, Mxico.
Libros de consulta:
Cochran, W.G. (1977). Tcnicas de muestreo. CECSA, Mxico.
Scheaffer, R. Mendenhal, W. & OTT, L. (1983). Elementos de Muestreo. Grupo Editorial Iberoamrica.
41 | P a g .
Perodo:
Aula:
XS-2330, MA-0232
Co-requisitos:
4
II ciclo 20__
42 | P a g .
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
H o : o contra H o : o .
Clculo de las probabilidades del error tipo II y determinacin del tamao de la muestra para la prueba z. Modo
alternativo de reportar los resultados de un contraste: los niveles de significancia observados o valores P. Funcin de
potencia. Contraste ms potente. Lema de Neyman-Pearson. Hiptesis compuestas. Criterio del cociente de
verosimilitudes. Contraste uniformemente ms potente. Aplicaciones del criterio del cociente de verosimilitudes:
Contrastes de hiptesis en poblaciones normales para una media, para una variancia, para varias medias, para dos
variancias. Relacin entre los procedimientos de contrastes de hiptesis e intervalos de confianza. Aplicaciones.
Tema IV. Tablas de contingencia
Experimentos multinomiales. Aplicacin del cociente de verosimilitudes. Contraste ji-cuadrado. Contraste de
bondad del ajuste. Tablas de contingencia. Contrastes concernientes a k proporciones. Tablas r x c con totales fijos
de rengln o de columna. Aplicaciones.
VIII.- BIBLIOGRAFA
Libro de Texto: Mendenhall, W; Scheaffer, R. &y Wakerly, D. Estadstica Matemtica con Aplicaciones. Stima
Edicin. Editorial Thomson. Mxico, 2002.
Texto complementario
43 | P a g .
Mood, A. M., Graybill, F.A. y Boes, D.C. Introduction to the Theory of Statistics, 3.ed.,Mc-Graw Hill, New York,1974.
Otros libros de consulta
DeGroot, M. & Schervish, M. Probability and Statistics. Tercera Edicin. Addison-Wesley. Boston. 2002
Devore, Jay. Probabilidad y Estadstica para Ingeniera y Ciencias. Cuarta Edicin. International Thomson Editores.
Mxico. 2001
Freund, J. y Walpole, R. Estadstica Matemtica con Aplicaciones. Cuarta
Edicin. Prentice-Hall
Hispanoamericana, S. A. Mxico. 1994
Walpole, Ronald y Myers, Raymond. Probabilidad y Estadstica. Cuarta Edicin. Editorial Mc Graw Hill. Mxico,
1992.
44 | P a g .
K - V: 14:00-15:50
XS-2230
4
I ciclo 20__
Co-requisitos:
45 | P a g .
1.
INTRODUCCIN
2. Conceptos bsicos en Demografa
3. Mtodos utilizados en Demografa
2.
3.
4.
COMPOSICIN DE LA POBLACIN
1. Conceptos introductorios
2. Composicin sexo-edad.
3. El ndice de masculinidad.
4. La pirmide de poblacin, construccin y tipos de estructura.
5. Composicin por otras variables: urbano-rural, estado conyugal, caractersticas econmicas, etc.
5.
6.
7.
LA TABLA DE VIDA
1. Caractersticas y supuestos bsicos en que descansa.
2. Las funciones de la tabla de vida.
3. Utilidad e importancia de las tablas de vida.
4. Tipos de tablas: completas y abreviadas.
5. Las tablas modelo.
8.
FECUNDIDAD Y REPRODUCCIN
1. Naturaleza y factores. Problemas en la medicin de la fecundidad.
2. Las medidas tradicionales de la fecundidad.
3. Fecundidad por edades: caractersticas y tendencias.
4. Medidas resumen.
5. Fecundidad y nupcialidad.
6. Las variables intermedias de la fecundidad.
9.
1.
2.
3.
Caractersticas generales
Proyecciones de poblacin
Poblacin y medio ambiente
VIII.- BIBLIOGRAFA
Libro de texto:
Rowland Donald. Demographic methods and concepts. Oxford University Press, 2003.
Camisa Zulma. Introduccin al estudio de la fecundidad. CELADE. 1975.
Gmez Miguel. Conceptos bsicos de Demografa. Fotocopias de notas.
Namboodiri y Suchindran. Life table techniques and their applications. Studies in Population, Academic Press, 1987.
Ortega Antonio. Tablas de mortalidad. CELADE, 1987.
Presta Roland. El anlisis demogrfico. Fondo de Cultura Econmica. 1982.
Tabutin Dominique. La collecte des dones en dmographie. Louvain, Belgique, 1984.
47 | P a g .
K, V: 14:00 a 15:50
XS-3150
4
II ciclo 20__
Co-requisitos:
IV.- METODOLOGA
La materia se cubre por medio de lecciones magistrales, giras, sesiones de prctica, y lecturas asignadas. Las sesiones
de prctica se dedican al anlisis de casos (en diversos campos como agronoma, biologa o auditoras, o la aplicacin
de estas herramientas en evaluaciones de impacto y de resultados de proyectos, entre otros) y a la solucin de
ejercicios que permitan aplicar y reafirmar los conocimientos adquiridos. Las giras, si se programan, se dedican a la
observacin de experimentos en proceso en instituciones o estaciones experimentales. Las lecturas se sealan con
antelacin a la leccin en que se trata el tema respectivo y sern evaluadas.
Durante el curso se hace uso de un sistema estadstico de computador para resolver ejercicios. Aunque en clase se
brinda una descripcin sobre el sistema a usar, es responsabilidad del estudiante aprender los detalles de ste.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
ascenso.
Introduccin al problema de las mediciones repetidas, el caso particular de las parcelas divididas.
Ensayos clnicos.
Casos sobre, o ejecucin de diseos completamente experimentales en diversos campos tal como el
agronmico, ciencias econmicas, biologa e industria.
VIII.- BIBLIOGRAFA
Libro de texto: Montgomery, D.C. 2005. Diseo y Anlisis de Experimentos. Editorial Limusa S.A.
-
Gacula, Mximo C. y Jagbir Singh. Statistical Methods in Food and Consumer Research. Academic Press
Inc.1984
Davies (editor). 1977. The Design and Analysis of Industrial Experiments. Longman Group Ltd., London.
Navarro, Juan Ramn. 2006. Diseo Experimental. Aplicaciones en Agricultura. Editorial de la Universidad de
Costa Rica
Steel R.G.D. & J.H. Torrie.1985. Bioestadstica: Principios y Procedimientos. McGraw-Hill, Bogot.
Winer, B.J. 1971. Statistical Principles in Experimental Design. McGraw-Hill, New York.
49 | P a g .
L,J: 14:00-15:50
XS-3110
Nmero de crditos:
Perodo:
Aula:
4
II ciclo 20__
Co-requisitos:
50 | P a g .
51 | P a g .
M: 17:00-19:50
XS-2230
3
I ciclo 20__
Co-requisitos:
52 | P a g .
VIII.- BIBLIOGRAFA
Links de Internet:
http://www.monografias.com/trabajos7/sisinf/sisinf.shtml
http://es.wikipedia.org/wiki/Sistema_de_informaci%C3%B3n
http://www.csae.map.es/csi/metrica3/psiproc.pdf
http://www.tuobra.unam.mx/publicadas/040911121648.html
http://sig.utpl.edu.ec/sigutpl/index.php
http://www.inbio.ac.cr/es/inbio/inb_sig.htm
http://www.infoconsultores.com.mx/RevInfo51/6_14_ART_Sistemas.pdf
http://www.ciat.cgiar.org/agroempresas/pdf/sider_propuesta_metodologica.pdf
http://www.geoportaligm.gov.ec:8080/portal/articulos-tecnicos/sig/6.pdf/view
http://www.washington.edu/students/crscat/infosys.html
http://en.wikipedia.org/wiki/Information_system
http://www.is.umbc.edu/aboutIS.asp
http://www.wiley.com/bw/journal.asp?ref=1350-1917&site=1
http://www.csae.map.es/csi/metrica3/csiproc.pdf
http://www.di.uniovi.es/~dediego/is/recursos/csi.pdf
http://www.clad.org.ve/fulltext/0055448.pdf
http://ciecfie.epn.edu.ec/PROYECTOS/pdfs/Automovil.pdf
http://www.monografias.com/trabajos29/ciclo-sistema/ciclo-sistema.shtml
http://www.angelfire.com/ex2/grupo2/expos-home.html
http://www.edicionsupc.es/ftppublic/pdfmostra/OE04303M.pdf
http://www.mineducacion.gov.co/cvn/1665/article-134885.html
http://informaticaeducativa.com/capacita/sistemas/index.html
http://homepages.mty.itesm.mx/al780969/sistemas.htm
http://flanagan.ugr.es/docencia/2005-2006/2/apuntes/ciclovida.pdf
http://tecnomaestros.awardspace.com/tipos_sistemas.php
http://www.virtual.unal.edu.co/cursos/enfermeria/2002847/lecciones/tematica4/subtema4-8.html
http://www.csae.map.es/csi/silice/Dsamed17.html
http://www.hipertext.net/web/pag251.htm
53 | P a g .
http://images.google.co.cr/images?hl=es&q=Diagramas+de+Flujos+de+Datos&rlz=1W1GGLD_es&um=1&ie=UTF8&ei=GiqbSY_YG43BtgflmISgCw&sa=X&oi=image_result_group&resnum=1&ct=title
http://es.wikipedia.org/wiki/Diagrama_de_flujo_de_datos
http://www.virtual.unal.edu.co/cursos/sedes/manizales/4060030/lecciones/Capitulo%204/dfd.htm
http://www.mis-algoritmos.com/aprenda-a-crear-diagramas-de-flujo/
http://www.fismat.umich.mx/~emurguia/mipagina/tesis/node43.html
http://www.monografias.com/trabajos-pdf/diagrama-de-flujo/diagrama-de-flujo.shtml
http://www.alegsa.com.ar/Dic/diagrama%20de%20flujo%20de%20datos.php
http://www.escet.urjc.es/~gtazon/IS/NotasDFD.pdf
http://pdf.rincondelvago.com/diagramas-de-flujo_1.html
http://www.mitecnologico.com/Main/DiagramasDeFlujosDeDatos
http://trevinca.ei.uvigo.es/~ebalonso/asignaturas/esx/guiones/esxClase15.pdf
http://mmalicea.tripod.com/proyecto/diagflujo.htm
http://www.lpsi.eui.upm.es/MDes/TfcMetrica/GTDFD.htm
http://pdf.rincondelvago.com/dfd.html
http://www.scribd.com/doc/8530130/Ejemplos-de-diagrama-de-flujo-de-datos-DFD-2
http://www.canalvisualbasic.net/db/tema1.asp
http://www.sii.uady.mx/progress/estandares2001/SiiUady_Etapa_de_Analisis_Conceptual.pdf
http://lsi.ugr.es/~mvega/docis/dfdprssa.pdf
http://cs.uns.edu.ar/~wmg/ds/downloads/Practicos/DS-TPr3_2007.pdf
http://www.workflowpatterns.com/patterns/data/visibility/wdp7.php
http://is.tm.tue.nl/research/patterns/download/data_patterns%20BETA%20TR.pdf
http://www.earthsoft.com/en/about/press_releases/Envir_Data_Wrkflow_Auto.pdf
http://www.protosw.com/static/pdf/data-workflow-dashboards-powered-by-proto.pdf
54 | P a g .
J: 7:00 A 9:50
XS-3110
3
I ciclo 20__
Co-requisitos:
IV.- METODOLOGA
El curso se desarrollar varias modalidades: exposiciones magistrales por parte de la profesora, desarrollo de
trabajos cortos y exposiciones, en donde la profesora tendr el papel de facilitadora. Para cada uno de los temas
que se desarrollan se asignan lecturas obligatorias que las y los estudiantes tendrn lectura obligatoria cada
semana.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
56 | P a g .
Profesor:
Horario:
Aten. a estudiantes:
Requisitos
K: 19:00-21:50
K:9:50-10:50
XS-3010, XS-3130; XS-3170; XS-3510
Perodo:
Aula:
3
I ciclo 20__
IV.- METODOLOGA
El curso consiste de tres lecciones por semana de 50 minutos, as como las visitas a las empresas y entidades en que
estarn ubicados los(as) estudiantes. Para cada sesin de clase los(as) estudiantes tendrn asignadas lecturas
obligatorias, para cuyo control se realizar una discusin en todas las sesiones, evaluando la participacin de cada
estudiante.
Adicionalmente en cada sesin se comentarn las labores realizadas por cada estudiante en las empresas en que
estn ubicados(as) (mximo de dos por empresa), para lo cual se exigir una bitcora que indicar las labores
realizadas y debe estar firmada cada vez que los(as) estudiantes asistan a la entidad en que estn desarrollando el
trabajo, la cual ser presentada al profesor y guardada por el(la) estudiante para su control. Este punto se coordinar
con cada entidad.
El profesor guiar a los(as) estudiantes permanentemente durante todo el semestre en las labores a realizar en las
diferentes entidades en que estn ubicados los(as) estudiantes.
Esto permitir que todo el grupo est enterado del avance, los problemas que se les presenten y de los
procedimientos que se estn aplicando en cada caso para la solucin que se est elaborando, de tal forma que todos
los estudiantes durante el curso participarn activamente, en forma constructiva.
Los(as) estudiantes que ya estn laborando en alguna empresa o entidad, y que no dispongan del tiempo para la
prctica, tendrn asignadas otras labores dentro del curso, adems de la participacin en un proyecto de una
empresa que se visitar todos los viernes, en el cual deben participar todos, es decir ser una labor de equipo (las
visitas sern por rotacin en pares).
Para el trabajo final cada grupo deber presentar un trabajo escrito y en forma oral sobre el proyecto que lleva a
cabo en cada empresa.
Adicionalmente, se asignarn temas especficos a cada estudiante durante el curso dentro de los cuales debe figurar
el tema sobre la negociacin con el cliente.
Durante el semestre se irn tratando diferentes temas, que dependern de los trabajos a realizar en las entidades en
que estn ubicados los(as) estudiantes, sobre estos temas y las lecturas obligatorias se realizarn dos exmenes
parciales.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
VIII.- BIBLIOGRAFA
Los principales textos del curso (de los cuales se asignarn lecturas obligatorias) sern:
Janice
Derr.
Statistical
Consulting:
Guide
to
Effective
Communication.
Duxbury
Press.
2000
Hand, D.J.and Everitt, B.S. The Statistical Consultant in action, Cambridge University. Press Cambridge, 1987.
Velsquez, M. G. tica en los Negocios. Conceptos y casos. Sexta Edicin. Pearson Educacin, Mxico, 2006.
Van Belle G. Statistical Rules of Thumb. Captulo 8. Consulting.
Cabrera J. y McDougall A. Statistical Consulting. Springer. Verlag New York , Inc., 2002.
Spurrier J.D. The Practice of Statistics: Putting the Pieces Together.Duxbury. Thomson Learning. CA. USA. 2000.
Captulos 12 al 16.
Galindo C., Galindo M. y Torres A. Manual de Redaccin e Investigacin. Editorial Grijalbo. Mxico.1997.
Sin embargo, dadas las caractersticas del curso, tambin se utilizarn otros textos y artculos, dependiendo de las
caractersticas de los proyectos a desarrollar por los(as) estudiantes en las diferentes empresas y entidades en que
se ubiquen.
59 | P a g .
K: 9:00-11:50
XS-3130, XS-3170, XS-3510
3
II ciclo 20__
Co-requisitos:
IV.- METODOLOGA
El profesor presentar el contenido mediante clases magistrales. Se asignarn algunas lecturas que sern discutidas
en clase con amplia participacin de los estudiantes y se organizarn grupos de discusin sobre temas especficos,
que luego se presentan en clase.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
3.
4.
5.
6.
7.
8.
9.
VIII.- BIBLIOGRAFA
Libro de texto:
-
61 | P a g .
L,J: 17:00-18:50
XS-3310, XS-2130
Co-requisitos:
4
I ciclo 20__
XS-4410
Procesar datos multivariantes utilizando software estadstico, e interpretar los resultados obtenidos.
IV.- METODOLOGA
El curso es terico-prctico y exige el uso frecuente de la computadora. Se espera no slo que el estudiante aprenda
los fundamentos tericos de las tcnicas multivariantes, sino que tambin aplique las tcnicas a archivos de datos
utilizando paquetes estadsticos. Las lecciones son magistrales, con ilustraciones prcticas relacionadas en el
laboratorio de cmputo de la Escuela de Estadstica. Para reforzar la asimilacin de conceptos y la interpretacin de
los resultados obtenidos de los paquetes estadsticos, se dejarn ejercicios que el estudiante debe tratar de resolver
en casa. Los ejercicios sern resueltos en clase, una semana despus, con la participacin del profesor y de los
estudiantes. Se dejarn algunas lecturas de artculos para familiarizar a los estudiantes con aplicaciones prcticas de
las tcnicas multivariantes.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
62 | P a g .
1
Introduccin. Clasificacin de las tcnicas multivariantes. Representacin grfica: caras de Chernoff,
estrellas, perfiles, curvas de Andrews, otros tipos de grficos. Aplicaciones con un software estadstico.
6 Anlisis discriminante: Separacin y clasificacin, regla basada en la minimizacin del costo esperado
de clasificacin errnea, el caso de 2 poblaciones multinormales con matrices de covariancias iguales,
evaluacin
de la eficacia de las reglas de clasificacin, aplicaciones, la funcin discriminante de Fisher,
clasificacin en k
poblaciones multinormales.
7
Regresin logstica binaria: el modelo y su estimacin por mxima verosimilitud, propensiones (odds)
y log odds, la estadstica de Wald, la estadstica G, bondad de ajuste, el contraste Hosmer-Lemeshow,
aplicaciones.
8.
63 | P a g .
VIII.- BIBLIOGRAFA
Libro de Texto: Hernndez R, scar (1998). Temas de Anlisis Estadstico Multivariado. Editorial de la UCR.
Hernndez R, scar (2006). Notas adicionales a Temas de Anlisis Estadstico Multivariado.
Bibliografa complementaria
Johnson, R. A. y Wichern, D. W. (2007). Applied Multivariate Statistical Analysis. Prentice-Hall International, Inc.
Johnson, D. (1998). Mtodos multivariados aplicados al anlisis de datos. International Thompson Editores.
Kleinbaum et al. (1998). Applied Regression Analysis and other Multivariate Methods. Duxbury Press.
SPSS, SYSTAT: Manuales.
Visauta Vinacua, B. (1997). SPSS para Windows. Tomos I y II. McGraw-Hill.
Pla, E.L. (1986). Anlisis Multivariado: Mtodo de componentes principales. O.E.A. Washington. (Cap 4:
Caracterizacin de la produccin lechera de un distrito).
Antologa de casos multivariados. Oscar Hernndez. Escuela de Estadstica.
Otros artculos y material que el profesor suministrar durante el desarrollo del curso.
64 | P a g .
Nmero de crditos:
K: 16:00-18:50
XE-0156, XS-3010, XS-3210
Perodo:
Aula:
Co-requisitos:
3
I ciclo 20__
XS-4410
Cada sesin tendr asignado un tema y las lecturas respectivas (anotado en el cronograma) que el
estudiante deber conocer previo al da de clase.
El profesor o la profesora estructurar y moderar la sesin de clase, haciendo las adaptaciones respectivas
de acuerdo a los intereses que los estudiantes manifiesten. Como producto de sus lecturas se espera, por
parte de los estudiantes, una discusin de tipo ms prctico y aplicado a la realidad costarricense y al papel
del estadstico(a).
El enriquecimiento del curso, as como el aprendizaje que se logre est en correspondencia directa con el ajuste a
este esquema de trabajo y que se cumpla a cabalidad.
65 | P a g .
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
2.
Conceptos bsicos
a. Qu medir, para qu medir, para quin medir
b. Caractersticas, variables, parmetros, estadsticas, indicadores, ndices: el reto de la reduccin de
datos
c. Indicadores: su definicin y papel en el proceso de toma de decisiones
d. Clasificacin de indicadores (segn la expresin de su valor; su capacidad de medicin; el enfoque
de sistemas)
e. Caractersticas deseables de los indicadores
f. Principios bsicos en la construccin de indicadores e ndices
i. El marco conceptual
ii. Seleccin de variables
iii. Clculo del indicador: escalamiento
iv. Validacin
v. Establecimiento de metas o umbrales
vi. Interpretacin
ndices e indicadores de uso comn
a. En Economa
i. Produccin
1. Producto Interno Bruto (PIB)
2. ndice de produccin industrial
ii. Indicadores sobre crecimiento econmico
1. Tasa de crecimiento econmico y el ndice mensual de la actividad econmica
(IMAE)
iii. Inflacin
1. ndice de precios al consumidor e inflacin
2. ndice de precios de la exportacin e importacin
iv. Finanzas
1. Tasas de inters
2. Prstamos bancarios
3. Crdito de consumo
v. Indicadores cclicos y de pronstico
1. ndices adelantados, coincidentes y atrasados
2. Ciclos de crecimiento
vi. Ganancias e inversin en negocios
1. ndice sobre optimismo en los negocios
vii. Indicadores sobre ingresos y gastos
1. Ingreso personal y ahorro
2. ndice de precios al consumidor (IPC)
3. ndice de confianza del consumidor (ICC)
viii. Internacional
1. Balanza de comercio exterior
2. Balanza de pagos
3. Valor del dlar
4. ndice de precios de las exportaciones e importaciones
66 | P a g .
b.
3.
4.
5.
67 | P a g .
VIII.- BIBLIOGRAFA
Babbie, E. (2000). Fundamentos de la Investigacin Social. Mxico, D.F.: International Thomson Editores.
Bennett, W. J. 1999. The Index of Leading Cultural Indicators. Broadway Books, N.Y.
Frumkin, N. 2000. Guide to Economic Indicators. M. E. Sharpe. N. Y.
Gutirrez, E. 1993. ndice Global de Escolaridad. Revista de Ciencias Econmicas 13: 179-184
Gutirrez-Espeleta, Edgar. 1996. ndice Aproximado de Sostenibilidad; in Serie: Aportes en el Desarrollo Humano
Sostenible No. 1. Proyecto Estado de la Nacin. Costa Rica.
Hernndez Sampieri; Fernndez Collado Carlos y Baptista Lucio Pilar (2006). Metodologa de la investigacin. Mxico:
McGraw Hill.
Horn, R. V. 1976. Assessment of Living Levels-The Social Indicator Approach. IJSE 5,3.
INEC-CCP. Simposio Costa Rica a la luz del censo 2000. Varias de las ponencias sern analizadas en clase.
Montero, E (en prensa). Escalas o ndices para la medicin de constructos: El dilema del analista de datos. Avances en
Medicin. Bogot, Colombia: Laboratorio de Psicometra, Facultad de Ciencias Humanas de la Universidad
Nacional de Colombia. (el artculo ser publicado en el primer nmero del ao 2008)
Montero, E. (2001). Educacin e ingreso como predictores de la esperanza de vida: Evidencias de un anlisis de regresin
aplicado a indicadores de desarrollo humano. Revista de Ciencias Sociales de la Universidad de Costa Rica:
Individuo y orden social, #94 (diciembre 2001).
Naciones Unidas. Comisin sobre desarrollo sostenible. Indicadores de desarrollo sostenible. Marco y metodologas.
Agosto 1996. New York, 1998. (Biblioteca Luis Demetrio Tinoco: 338.9 / I39i )
The Economist. 1998. Guide to Economic Indicators: Making Sense of Economics. J. Wiley & Sons, Inc. USA.
UNCSD. Indicadores del Desarrollo Sostenible: http://www.un.org/esa/sustdev/
Universidad de Costa Rica. Ministerio del Ambiente y Energa. Indicadores del desarrollo sostenible de Costa Rica
2002. (Biblioteca Luis Demetrio Tinoco 338.972.86 / I-39in)
NOTA: una variedad de artculos y textos sern revisados y comentados, extrados de INTERNET y otras fuentes
relativos a la temtica principal del curso. Estos sern anunciados con la anticipacin debida para su lectura
respectiva.
68 | P a g .
L:19:00-20:50; J: 18:00-20:50
XS-4010, XS-4110, XS-4410, XS-4510
4
II ciclo 20__
Co-requisitos:
69 | P a g .
IV.- METODOLOGA
El curso consiste de cinco sesiones por semana de 50 minutos, as como las visitas a las empresas y entidades en que
estarn ubicados(as) los (las) estudiantes.
Adicionalmente, en cada sesin se comentarn las labores realizadas por cada estudiante en las empresas en que
estn ubicados(as) (mximo de dos por empresa), para lo cual se exigir una bitcora que indicar las labores
realizadas y debe estar firmada por el coordinador del proyecto cada vez que los (las) estudiantes asistan a la entidad
en que estn desarrollando el trabajo, la cual ser presentada al profesor y guardada por el (la) estudiante para su
control. Este punto se coordinar con cada entidad.
El profesor guiar a los (las) estudiantes permanentemente durante todo el semestre en las labores a realizar en las
diferentes entidades en que estn ubicados(as) los(las) estudiantes.
Esto permitir que todo el grupo est enterado del avance, los problemas que se les presenten y de los
procedimientos que se estn aplicando en cada caso para la solucin que se est proponiendo, de tal forma que
todos(as) los (las) estudiantes durante el curso participarn activamente, en forma constructiva.
Los (las) estudiantes presentarn dos avances del proyecto de acuerdo a las fechas del cronograma adjunto, tanto en
forma escrita como oral.
Para el trabajo final cada grupo deber presentar un informe escrito y realizar una presentacin oral sobre el
proyecto que lleva a cabo en cada empresa.
Adicionalmente se asignarn temas especficos para desarrollar por cada estudiante durante el curso.
A lo largo del semestre se irn tratando otros temas que sean requeridos, que dependern de los trabajos en
proceso de realizacin en las entidades en que estn ubicados(as) los (las) estudiantes.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
Actividad 6: Presentacin de los temas 5 y 6 del texto. Continuacin con la presentacin y anlisis de los avances de
los proyectos
Actividad 7: Anlisis de algunos temas especficos de los proyectos que ameriten trato especial de algn
procedimiento estadstico.
Actividad 8: Presentacin oral y escrita del segundo avance de los proyectos.
Actividad 9: La preparacin y anlisis de los informes de avance escritos y su presentacin oral. Consultas con el
profesor. Visita a empresas y entidades
Actividad 10: Presentacin final del proyecto
VIII.- BIBLIOGRAFA
Los principales textos del curso (de los cuales se asignarn lecturas obligatorias) sern:
Janice
Derr.
Statistical
Consulting:
Guide
to
Effective
Communication.
Duxbury
Press.
2000
Hand, D.J.and Everitt, B.S. The Statistical Consultant in action, Cambridge University. Press Cambridge, 1987.
Good, P.I., Hardin J.W. Common Errors in Statistics (and how to avoid them). Wiley-Interscience, New Jersey, 2003.
Van Belle G. Statistical Rules of Thumb. Captulo 8. Consulting.
Cabrera J. y McDougall A. Statistical Consulting. Springer. Verlag New York , Inc., 2002.
Spurrier J.D. The Practice of Statistics: Putting the Pieces Together.Duxbury. Thomson Learning. CA. USA. 2000.
Sin embargo, dadas las caractersticas del curso, tambin se utilizarn otros textos y artculos, dependiendo de las
caractersticas de los proyectos que se encuentren en proceso de desarrollo por parte de los (las) estudiantes en las
diferentes empresas y entidades en que se ubiquen.
71 | P a g .
L :17:00-18:50; J: 16:00-17:50
XS-4510, XS-4010
4
II ciclo 20__
Co-requisitos:
72 | P a g .
VIII.- BIBLIOGRAFA
- Render, Stair, Hanna. Mtodos cuantitativos para los negocios. Pearson, 2006
- Gallagher C, Watson H. Mtodos cuantitativos para la toma de decisiones en Administracin. Mc Graw Hill.
Mxico.
- Clemen R, Reilly T. Making Hard Decisions . Editorial Thomson. 2001.
- Soldevilla E. Decisiones empresariales con riesgo e incertidumbre Editorial Hispano europea. 1984
- Huber G. Toma de decisiones en la gerencia. Editorial Trillas 1992.
- Moody Paul. Toma de decisiones gerenciales Editorial Mc Graw Hill.. 1991
- Kepner Ch, Tregoe B. El Nuevo Directivo Racional. Anlisis de problemas y toma de decisiones. Mc Graw
Hill.. 1983
- Lilien G, Kotler P. Toma de decisiones en mercadotcnia. Un enfoque de construccin de modelos CECSA
1990
73 | P a g .
Perodo:
Aula:
XS-4110,XS-4010
Co-requisitos:
3
II ciclo 20__
Establecer los criterios y procedimientos que deben seguirse al construir y validar instrumentos de medicin
Adquirir destrezas para analizar la calidad tcnica de un instrumento psicomtrico mediante el udos de la
teora clsica de los tests
Valorar la teora clsica de los tests y la teora de respuesta de los itemes como enfoques para la
construccin de instrumentos
Adquirir destrezas en la elaboracin de indicadores para constructos de naturaleza compleja
Usar adecuadamente los paquetes SPSS, WINSTEPS, BILOG y LISREL para llevar a cabo diferentes anlisis
desarrollados durante el curso
IV.- METODOLOGA
El curso se rene una sola vez a la semana, por lo que la mayor parte de este periodo se utilizar para las
exposiciones magistrales y se espera una participacin activa durante las sesiones de clase. Los conceptos
desarrollados se podran en prctica a travs de ejemplos prcticos.
Cada sesin tendr asignado un tema y las lecturas respectivas que el estudiante deber leer previo al da de clase.
La profesora estructurar y moderar la sesin de clase haciendo una exposicin de la temtica asignada para esa
sesin. Como producto de sus lecturas se espera una discusin de tipo ms prctico y aplicado por parte de los
estudiantes.
El enriquecimiento del curso, as como el aprendizaje que se logre est en correspondencia directa con el ajuste a
este esquema de trabajo y que se cumpla a cabalidad.
En aproximadamente la mitad de las clases habr sesiones de prctica en el laboratorio de cmputo.
Una actividad que exige tiempo al o la estudiante es la elaboracin, individualmente o en parejas, de un trabajo final
en donde construirn y validarn, de manera piloto, un instrumento para medir algn constructo complejo. Este
trabajo se debe presentar formalmente como un informe de investigacin, no como un resumen de salidas de
74 | P a g .
computadora.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
75 | P a g .
VIII.- BIBLIOGRAFA
Martnez, R.. (2005). Psicometra: Teora de los Tests Psicolgicos y Educativos. Madrid: Sntesis.
Montero, E. (2001). La teora de respuesta a los temes: una moderna alternativa para el anlisis psicomtrico de
instrumentos de medicin. Revista de Matemtica: teora y aplicaciones. Centro de Investigaciones en
matemtica pura y aplicada (CIMPA) y la Escuela de Matemtica de la Universidad de Costa Rica. Vol. 7, # 12, pgs. 217-228.
Nunnally, J.C. & Bernstein, I.J. (1995). Teora psicomtrica (3 ed). Mxico, D.F.: Editorial McGrawHill
Latinoamericana.
Ziga, M. & Montero, E. (2007). Teora G: un futuro paradigma para el anlisis de pruebas psicomtricas. Artculo
aceptado para publicacin. Revista Actualidades en Psicologa. San Jos, Costa Rica: Universidad de Costa
Rica, Instituto de Investigaciones Psicolgicas.
NOTA: sern revisados artculos extrados de INTERNET y otras fuentes, relativos a la temtica principal del curso.
Estos sern anunciados con la anticipacin debida.
76 | P a g .
K:19:00-20:50/V:18:00-19:50
XS-3170, XS-4110
4
II ciclo 20__
Co-requisitos:
Analizar el ciclo de vida de productos y servicios utilizando los conceptos bsicos de la ingeniera industrial.
Reconocer actividades y aplicaciones estadsticas tpicas en empresas de bienes y servicios.
Aplicar los conceptos de las principales corrientes, prcticas y herramientas de la gestin y control de la
calidad y fiabilidad.
Utilizar adecuadamente el paquete estadstico JMP y Excel para el anlisis de datos industriales.
Presentar los resultados del anlisis de datos para la toma de decisiones en la industria (reportes
gerenciales).
IV.- METODOLOGA
Se propone una metodologa participativa, donde el componente de exposicin del docente no sobrepase un 65% de
las actividades de clase y se faciliten numerosas oportunidades para que el estudiantado investigue y desarrolle
destrezas de anlisis y presentacin de datos industriales.
V.- EVALUACIN
Cada profesor establecer su propio sistema de evaluacin. Sin embargo, se recomienda utilizar exmenes parciales,
prcticas, laboratorios e investigaciones pequeas.
77 | P a g .
78 | P a g .
Heizer, J. & Render, B. (2001). Direccin de la Produccin. Decisiones Estratgicas. Madrid: Prentice Hall.
Hillier, F. S. et al. (2002). Mtodos cuantitativos para administracin. Mxico: Irwin McGraw-Hill.
iSix Sigma. iSix Sigma home page. [Documento WWW]. Recuperado: http://www.isixsigma.com/. (Consulta
agosto, 2006).
Krajewski, L. J. & Ritzman, L. P. (2000). Administracin de Operaciones. Estrategia y Anlisis. Mxico: Prentice Hall.
Montgomery, Douglas C. (2001). Design and Analysis of Experiments. USA: John Wiley & Sons.
NIST/SEMATECH (2003).
Engineering Statistics Handbook.
http://www.itl.nist.gov/div898/handbook/. (Consulta agosto, 2006).
[Documento
WWW].
Recuperado:
Organizacin Internacional del Trabajo (1996). Introduccin al Estudio del Trabajo. Ginebra: OIT.
Pyzdek, T. (2005).
Non-normal distributions in the real world.
http://www.pyzdek.com/non-normal.htm. (Consulta agosto, 2006).
[Documento WWW].
Recuperado:
Quality Council of Indiana (2001). The Certified Six Sigma Black Belt Primer. Indiana: Quality Council of Indiana.
79 | P a g .
DISPOSICIONES GENERALES
ARTCULO 3. Misin
Formar profesionales, con un alto nivel
acadmico y tico, en la ciencia de la
Estadstica para coadyuvar en los procesos de
toma de decisiones y en la solucin de los
problemas de la sociedad costarricense por
medio de la integracin de la docencia, la
investigacin y accin social. Asmismo,
contribuir con la formacin estadstica en
otras disciplinas y difundir el uso adecuado de
la estadstica y sus aplicaciones.
ARTCULO 4.
y de
temas
Objetivos
3.7 Realizar investigaciones estadsticas, en
los diferentes campos del saber, dentro
80 | P a g .
3.10 Fortalecer
los recursos humanos,
tecnolgicos y financieros que garanticen
la viabilidad de sus programas sustantivos.
CAPTULO SEGUNDO
ORGANIZACIN Y FUNCIONES
81 | P a g .
83 | P a g .
La
Direccin
ser
responsable
del
establecimiento de un sistema de informacin,
de fcil acceso, para la matrcula; evaluacin y
orientacin estudiantil; evaluacin de
desempeo de los cursos, entre otros. Este
sistema
de
informacin
puede
ser
conceptualizado como una plataforma
complementaria del Sistema de Atencin
Estudiantil (SAE) que opera la Oficina de
Registro e Informacin.
CAPTULO TERCERO
DE LA DOCENCIA
85 | P a g .
87 | P a g .
CAPTULO CUARTO
88 | P a g .
a)
b)
c)
d)
CAPTULO QUINTO
e)
DEL PERSONAL DOCENTE Y ESTUDIANTES
f)
ARTCULO 31. Del Personal Docente
Las diversas categoras del personal docente,
los requisitos y la forma de nombramiento, as
como sus deberes y atribuciones, se regirn
por lo establecido en el Estatuto Orgnico y en
el Reglamento de Rgimen Acadmico y
Servicio Docente.
g)
89 | P a g .
h)
i)
j)
k)
b.
c.
d.
Podr
retirarse
temporalmente
mediante
permiso
que
podr
concederle la Direccin y comunicarlo a
la Decanatura. En caso de retiro
permanente, la renuncia deber
presentarla por escrito con la debida
antelacin.
Estar obligado u obligada a cumplir con
todas las funciones que le sean
asignadas y con el horario de trabajo
correspondiente.
d)
e)
a)
b)
f)
c)
g)
91 | P a g .
i)
j)
CAPTULO SEXTO
DISPOSICIONES VARIAS
c.
d.
e.
f.
b.
g.
93 | P a g .