SÍLABO DE ESTADÍSTICA INFERENCIAL (100000G24T)

2018 - 2

1. DATOS GENERALES

1.1. Área: Ciencias

1.2. Carrera: Todas las Ingenierías

1.3. Coordinador: Antonio Alejandro Gamero Paredes

1.4. Requisito: Estadística Descriptiva y Probabilidades (100000G19T)

1.5. Créditos: 4

1.6. Horas semanales: 8

1.7. Modalidad: Semipresencial – Carreras para Gente que Trabaja

1.8. Competencias:

Carrera Competencia Criterio Nivel de logro

Aplica el razonamiento Usando conocimientos
matemático, los métodos básicos de matemática y
propios de la racionalidad geometría, el estudiante
científica y las destrezas establece secuencias
Competencia tecnológicas, para lógicas que le permiten
básica en describir, interpretar y esquematizar, leer e
Todas las
STEM predecir distintos interpretar información,
carreras
(Ciencias, fenómenos en su con el fin de establecer
de
Tecnología, contexto, que conducen procesos de solución a una
Ingeniería
Ingeniería y a la adquisición de situación problema
Matemáticas) conocimientos, el estudiado.
contraste de ideas y la
aplicación de los
descubrimientos en el
campo de la Ingeniería.

2. FUNDAMENTACIÓN
La estadística Inferencial aporta al proceso de formación del profesional con el
conocimiento de los procedimientos para poder inferir propiedades o características de una
población a partir de una muestra significativa, mediante la estimación de parámetros
estadísticos. Por lo que la estadística Inferencial le permite al estudiante tener una
herramienta fundamental para realizar estimaciones, proyecciones que le permite tomar
decisiones acertadas así como la determinación de una muestra adecuada para realizar
estudios de mercado.

1
3. SUMILLA
Este curso es de carácter teórico-práctico y le permite al estudiante inferir en base a los
estadígrafos, los parámetros de la población, así como también predecir posibles resultados
futuros mediante regresiones. Para tal efecto se estudian las distribuciones muestrales,
estimación puntual, estimación por intervalos, pruebas de hipótesis, análisis de regresión
lineal, simple y múltiple.

4. LOGRO GENERAL DE APRENDIZAJE

Al final del curso el estudiante infiere características de la población y predice posibles
resultados en el campo de la ingeniería para optimizar la toma de decisiones.

5. UNIDADES Y LOGROS ESPECÍFICOS DE APRENDIZAJE

Unidad de aprendizaje 1 Semana 1 y 2
Introducción a la estadística inferencial y la estimación
Logro específico de aprendizaje
Al finalizar la unidad, el estudiante utiliza los diferentes métodos de estimación que le
permiten definir un buen estimador para los diferentes parámetros de una población y los
aplica a situaciones reales.
Temario:
1.1 Introducción a la estadística inferencial
1.2 Distribución muestral y estimación de la media con varianza conocida y
desconocida
1.3 Distribución muestral y estimación de la diferencia de medias, con varianza
conocida y desconocida

Unidad de aprendizaje 2 Semana 3, 4, 5 y

Pruebas de hipótesis e intervalos de confianza 6

Logro específico de aprendizaje

Al finalizar la unidad, el estudiante utiliza las pruebas de hipótesis y reconoce la potencia de
dichas pruebas para inferir características poblacionales.
Temario:
2.1 Error tipo I y II
2.2 Pruebas de hipótesis para la media con varianza conocida y desconocida
2.3 Pruebas de hipótesis para la diferencia de medias con varianza conocida y
desconocida
2.4 Distribución muestral, intervalo de confianza y prueba de hipótesis para la
proporción poblacional
2.5 Distribución muestral, intervalo de confianza y prueba de hipótesis para la
diferencia de 2 proporciones poblacionales
2.6 Intervalo de confianza y prueba de hipótesis para la varianza de una población
2.7 Intervalo de confianza y prueba de hipótesis para el cociente de las varianzas
poblacionales
2.8 Aplicación de Ji – Cuadrada
2.8.1 Prueba de bondad de ajuste
2.8.2 Prueba de independencia de variable
2.8.3 Prueba de homogeneidad

2
 Unidad de aprendizaje 3 Semana 7 y 8
Regresión Lineal y Múltiple
Logro específico de aprendizaje
Al finalizar la unidad, el estudiante aplica, desarrolla y analiza las técnicas de regresión lineal
para hacer predicciones de sucesos futuros.
Temario:
3.1 Regresión Lineal Simple
3.1.1 Intervalo de predicción
3.1.2 Análisis de la varianza y correlación
3.2 Regresión Lineal Múltiple
3.2.1 Intervalo de predicción
3.2.2 Análisis de la varianza y correlación

6. METODOLOGÍA
La estrategia metodológica que orienta este curso ha sido diseñada para la modalidad
semipresencial e incorpora todas sus características. Ello supone el empleo de una
metodología activa y participativa que promueve el autoaprendizaje, la autonomía del
estudiante y el trabajo colaborativo.

En la Plataforma Educativa Canvas (espacio virtual de aprendizaje), el estudiante encontrará

los materiales de estudio organizado por semanas; y deberá realizar una serie de actividades
virtuales (foros, autoevaluaciones, tarea) que permitirán comprobar los aprendizajes de los
temas.

Asimismo, el curso contará con videoconferencias indicadas en el cronograma de

actividades. Estas videoconferencias permitirán profundizar temas del curso, realizar
consultas sobre las diferentes actividades, mantener un contacto sincrónico con el docente,
entre otros.

En el espacio presencial, se utilizarán según el momento de utilidad, transferencia o práctica,

exposiciones, estudio y aplicación de casos, ejemplos, ejercicios, preguntas, uso de videos y
diapositivas, así como portales Web.

El docente involucra a los estudiantes en su participación activa durante los espacios virtual
y presencial con la finalidad de lograr la construcción consensuada del conocimiento.
Asimismo, el docente desarrollará un acompañamiento virtual que implica el uso de foros
de consulta por unidades y videoconferencias. Por ello, se recomienda revisar todos los días
los contenidos del curso colocados en Canvas.

7. SISTEMA DE EVALUACIÓN
La evaluación para los cursos del Programa de Carreras para Gente que Trabaja (CGT) es
formativa y permanente. Las actividades se centran en la obtención de los logros de
aprendizaje.

Los estudiantes relacionan sus saberes previos, conocimientos y actividades desarrollados

en la parte virtual con los planificados en la parte presencial, con miras a una aplicación
profesional.

3
 La calificación final del curso se basa en las siguientes calificaciones parciales:

Forma de Tipo de
Actividad Semana Rezagado Porcentaje
entrega actividad

PC01 Presencial Individual 03 NO 25%

PC02 Presencial Individual 05-07 NO 25%

ECV Virtual Individual 01 a la 08 NO 20%

EXFN Presencial Individual 09 SI 30%

Por lo tanto, la fórmula de calificación será de la siguiente manera:

PC01(25%) + PC02(25%) + ECV(20%) + EXFN(30%)

Donde:
● PC01 = Práctica Calificada 01
● PC02 = Práctica Calificada 02 (PC02 es el promedio de las Prácticas 02 y 03 que se rinden
en las semanas anteriormente detalladas)
● ECV = Evaluación Continua Virtual (ECV es la nota promedio de los foros calificados y los
cuestionarios desarrollados a lo largo del curso)
● EXFN = Examen Final

8. FUENTES DE INFORMACIÓN
8.1 Fuentes de consulta obligatoria
 RUFINO MOYA - GREGORIO SARAVIA: Probabilidad e inferencia estadística. Edit. San
Marcos - Perú, (2008).
 MURRAY R. SPIEGEL: Estadística. 4a ed. (2009)

8.2 Fuentes de consulta opcional

 DEVORE L. JAY: Probabilidad y Estadística para Ingeniería y Ciencias, 8a. Ed. (2012)

9. FECHA DE ACTUALIZACIÓN: 30/01/2018