UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Per, Decana de Amrica)

FACULTAD DE INGENIERA DE SISTEMAS E INFORMTICA

Escuela Acadmico Profesional de Ingeniera de Sistemas e Informtica

SLABO
1. INFORMACIN GENERAL

Asignatura
Cdigo
Nmero de crditos
Nmero de horas
Ciclo de estudio
Periodo acadmico
Requisito
Profesores

: PROBABILIDADES Y ESTADSTICA
: 2010304
:4
: 6 (Teora 2, Prctica 2, Laboratorio 2)
: III
: 2016-I
: Clculo II (2010204)
: Mg. Erwin Kraenau (G1), Teora.
Lic. Zoraida Huamn (G1), Prctica y laboratorio.
Lic. Caridad Huaroto (G2), T/P/L.
Lic. Mara Zacaras (G3), T/P/L.

2. SUMILLA:
La asignatura corresponde al rea de formacin bsica. Es de carcter terico prctico. Se propone
capacitar al alumno en los temas fundamentales de la estadstica descriptiva, aspectos bsicos de la
teora de la probabilidad y de la inferencia estadstica paramtrica. Los contenidos estn agrupados
en 3 unidades didcticas.
didcticas. Primera Unidad: Estadstica Descriptiva (conceptos bsicos, presentacin
de los datos, resumen de los datos). Segunda Unidad: Introduccin a la Teora de Probabilidades
(espacio de probabilidad, variable aleatoria y distribucin de probabilidad, modelos especiales).
Tercera unidad: Inferencia Estadstica paramtrica (conceptos bsicos de inferencia estadstica,
muestreo y distribuciones muestrales, estimacin de parmetros, contraste de hiptesis).
3. COMPETENCIA GENERAL
El estudiante, al concluir la asignatura, estar capacitado en altos niveles de competencia para
aplicar conceptos, principios y tcnicas para la presentacin y el anlisis descriptivo de datos,
aplicar la teora del clculo de probabilidades; asociar modelos probabilsticos a fenmenos del
mundo real; aplicar tcnicas de muestreo adecuadas al contexto del problema que se aborda; utilizar
adecuadamente las distribuciones muestrales; determinar tamaos de muestra adecuados a
situaciones particulares; construir intervalos de confianza para estimar parmetros de inters;
contrastar hiptesis; conceptos que le permitir valorar la importancia de la estadstica y su
aplicacin en el ejercicio profesional.

4. PROGRAMACION DE CONTENIDOS
PRIMERA UNIDAD DIDCTICA: ESTADSTICA DESCRIPTIVA
COMPETENCIA ESPECFICA:
Aplicar tcnicas para la presentacin de datos en tablas de frecuencia, cuadros y grficos
estadsticos; calcular e interpretar indicadores de centralizacin, dispersin y forma, valorando su
aplicacin a situaciones reales de su desarrollo profesional.

CAPACIDADES
Identifica y usa adecuadamente los conceptos de la estadstica descriptiva, en el contexto de
una investigacin estadstica.
Construye de forma adecuada tablas de frecuencias para datos de variable cualitativa y
cuantitativa.
Construye cuadros y grficos estadsticos adecuados al tipo de variable.
Calcula e interpreta las medidas de tendencia central, posicin, dispersin y forma.
SEMA
.

CONTENIDOS
CONCEPTUALES
TEORIA
Estadstica: Ramas o aspectos.
Terminologa
estadstica:
poblacin, unidad de anlisis,
muestra, parmetro, estadgrafo.
Escalas de medicin, variables
estadsticas:
tipos,
datos
estadsticos.
PRACTICA Y LABORATORIO
Identificacin de los trminos
estadsticos usados en trabajos de
investigacin y en problemas de
ingeniera de sistemas.
TEORIA
Organizacin y presentacin de
datos. Tablas de distribucin de
frecuencias, cuadros y grficos
estadsticos
para
variables
cualitativas y cuantitativas.
PRACTICA Y LABORATORIO
Organizacin y presentacin de
datos mediante tablas y grficos,
segn el tipo de variable.
TEORIA
Medidas resumen de tendencia
central y de posicin: media,
mediana, moda; cuartiles, deciles
y percentiles.
PRACTICA Y LABORATORIO
Clculo e interpretacin de las
medidas
resumen
de
centralizacin y posicin.
TEORIA
Medidas resumen de dispersin
absoluta y relativa: Rango, rango
intercuartlico,
varianza,
desviacin estndar, coeficiente de
variacin.
Medidas resumen de forma.

4
PRACTICA Y LABORATORIO
Clculo e interpretacin de las
medidas resumen de dispersin y
forma.
PRIMERA
CALIFICADA

ESTRATEGIAS
DIDACTICAS
Mtodos:
Deductivo, lgico,
activo, flexible, de
trabajo colectivo.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo
en laboratorio de
computo.
Mtodos:
Deductivo, lgico,
activo, de trabajo
colectivo, analtico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo
en laboratorio de
cmputo.
Mtodos: Deductivo,
lgico, activo,
flexible, de trabajo
colectivo, analtico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo
en laboratorio de
cmputo.

Resolucin de
ejercicios y
problemas, pruebas
especficas, prctica
calificada.

PRACTICA

EVALUACION
CRITERIOS
INSTRUMENTOS

Comprensin
y aplicacin

Comprensin,
aplicacin y
anlisis,

Comprensin
aplicacin y
anlisis.

Comprensin
aplicacin y
anlisis.

Resolucin de
ejercicios y
problemas, uso
adecuado de software
estadstico.

Resolucin de
ejercicios y
problemas, uso
adecuado de software
estadstico.

Resolucin de
ejercicios y
problemas, uso
adecuado de software
estadstico.

Resolucin de
ejercicios y
problemas, uso
adecuado de software
estadstico.
Prctica calificada.

SEGUNDA

UNIDAD

DIDCTICA:

INTRODUCCIN A LA TEORA DE LA
PROBABILIDAD
(ESPACIO
DE
PROBABILIDAD,
VARIABLE ALEATORIA,
ISTRIBUCION DE PROBABILIDAD, MODELOS
DE PROBABILIDAD ESPECIALES)

COMPETENCIAS ESPECFICAS
Aplicar conceptos, principios y tcnicas para el clculo de probabilidades, en espacios
muestrales finitos e infinito numerables.
Aplicar conceptos, principios y tcnicas para abordar fenmenos aleatorios, usando el
enfoque de variable aleatoria, clasificndolas, construyendo modelos de probabilidad segn
su tipo, evaluando sus caractersticas numricas y valorando la importancia de su aplicacin
en espacios muestrales finitos, infinito numerables e infinito no numerables.
CAPACIDADES
Identifica fenmenos aleatorios, caracterizndolos completamente.
Describe el espacio muestral asociado a un fenmeno aleatorio, listando sus elementos por
extensin y por comprensin.
Define axiomticamente la probabilidad, conoce sus propiedades y las demuestra.
Resuelve, en un nivel aceptable, probabilidades de eventos simples y compuestos, usando
propiedades bsicas y tcnicas de conteo.
Identifica las variables aleatorias y las clasifica segn su recorrido.
Aplica adecuadamente los conceptos para construir y hacer uso de distribuciones de
probabilidad de variable discreta y continua, calculando probabilidades de eventos de todo
tipo.
Utiliza las distribuciones de probabilidad para obtener las caractersticas numricas de una
variable aleatoria, haciendo un manejo adecuado de sus propiedades.
Identifica y utiliza modelos de probabilidad especiales, asociados a fenmenos del mundo
real, tanto para variables aleatorias discretas como continuas.
SEM
.

CONTENIDOS
CONCEPTUALES
TEORIA
Fenmenos Aleatorios. Espacio
Muestral. Eventos: Ocurrencia y
Operaciones con Eventos.
Probabilidad de un evento.
Mtodos de enumeracin.
Asignacin de Probabilidades a
Eventos en Espacios Finitos.
PRACTICA Y LABORATORIO
Prctica dirigida sobre fenmeno
aleatorio,
espacio
muestral,
eventos.
Asignacin
de
probabilidades.
TEORIA
Probabilidad Condicional. Teorema
de Multiplicacin, Probabilidad
Total, Teorema de Bayes.
Independencia de eventos:
propiedades.
PRACTICA Y LABORATORIO
Prctica dirigida sobre probabilidad
condicional e independencia de
eventos.

ESTRATEGIAS
DIDACTICAS

Mtodos: Deductivo,
lgico, activo, flexible,
de trabajo colectivo.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
de trabajo.

Mtodos: Deductivo,
lgico, activo, flexible,
de trabajo colectivo,
analtico.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
de trabajo.

EVALUACION
CRITERIOS
INSTRUMENTOS

Comprensin y
aplicacin

Comprensin
aplicacin y
anlisis.

Resolucin de
ejercicios y
problemas, pruebas
especficas.

Resolucin de
ejercicios y
problemas, pruebas
especficas, prctica
calificada.

TEORIA
Concepto de Variable Aleatoria.
Tipos de Variables Aleatorias.
Variable
aleatoria
Discreta:
Distribucin de probabilidad.
Variable
Aleatoria
Continua:
Caractersticas numricas de una
variable aleatoria: esperanza y
varianza.

PRACTICA Y LABORATORIO
Prctica dirigida sobre variable
aleatoria
y
distribucin
de
probabilidad.
8

Mtodos: Deductivo,
lgico, activo, flexible,
de trabajo colectivo,
analtico.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
de trabajo.

Comprensin
aplicacin y
anlisis.

Resolucin de
ejercicios y
problemas, pruebas
especficas, prctica
calificada.

EXAMEN PARCIAL
TEORIA
Distribuciones
Especiales
de
Variable
Discreta:
Bernoulli;
Binomial; Poisson; Geomtrica;
Pascal; Hipergeomtrica.

9
PRACTICA Y LABORATORIO
Prctica dirigida sobre esperanza y
varianza de una variable aleatoria.
Prctica
dirigida
sobre
distribuciones
especiales
de
variable discreta
TEORIA
Distribuciones
Especiales
de
Variable Continua: Uniforme;
Exponencial; Normal: Propiedades,
Estandarizacin, Manejo de Tabla.
PRACTICA Y LABORATORIO
Prctica dirigida sobre
distribuciones especiales de
variable continua.

10

Mtodos: Deductivo,
lgico, activo, de
trabajo colectivo.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
de trabajo.

Mtodos: Deductivo,
lgico, activo, flexible,
de trabajo colectivo.
Tcnicas: Expositiva
con material de apoyo,
participativa, sesiones
de trabajo.

Comprensin y
aplicacin.

Comprensin
aplicacin y
anlisis.

Resolucin de
ejercicios y
problemas, pruebas
especficas.

Resolucin de
ejercicios y
problemas, pruebas
especficas, examen
parcial.

TERCERA UNIDAD DIDCTICA 3: INFERENCIA ESTADSTICA PARAMTRICA

COMPETENCIAS ESPECFICAS

Aplicar conceptos, principios y tcnicas para la eleccin de una muestra

aleatoria, tomando en cuenta los diferentes diseos de muestreo, haciendo uso
de las distribuciones muestrales, valorando su importancia en el proceso de
inferencia estadstica.
Aplicar conceptos, principios y tcnicas para la construccin de intervalos de
confianza, un aspecto de la inferencia estadstica que permite estimar parmetros,
valorando la importancia de su uso en el rea de ingeniera de sistemas.
Aplicar conceptos, principios y tcnicas para la formulacin de una prueba de
hiptesis, valorando la importancia de su uso como un problema de decisin, de
mucha aplicacin en el quehacer profesional del ingeniero de sistemas.

CAPACIDADES
Distingue y aplica correctamente los conceptos bsicos de la inferencia estadstica.
Clasifica y establece diferencias entre los mtodos de muestreo probabilstico.
Distingue y hace uso correcto de las distribuciones muestrales de las estadsticas propuestas.

Hace uso de intervalos de confianza para estimar el parmetro de una poblacin, utilizando una muestra.


SEM
.

11

12

Formula una hiptesis estadstica referente al valor de un parmetro, realiza el contraste siguiendo el
procedimiento adecuado, toma una decisin y la interpreta.
CONTENIDOS
CONCEPTUALES
TEORIA
Conceptos Bsicos de Inferencia
Estadstica: Poblacin Estadstica.
Muestra Aleatoria. Parmetros.
Estadsticas.
Estimador.
Estimacin.
Inferencia Estadstica: Estimacin
de Parmetros y Prueba de
Hiptesis.
Mtodos comunes de Muestreo
Aleatorio.
Distribuciones en el muestreo: Ji
Cuadrado; t de Student; F de
Snedecor. Uso de Tablas.
PRACTICA Y LABORATORIO
Prctica
dirigida
sobre
distribuciones en el muestreo.
TEORIA
Distribuciones
Muestrales:
Distribucin muestral de la media,
de la varianza y de la proporcin
muestral. Estimacin puntual.
Propiedades de un estimador
puntual.
PRACTICA Y LABORATORIO
Prctica
dirigida
sobre
distribuciones muestrales.

13

SEGUNDA
PRCTICA
CALIFICADA
TEORIA
Intervalos de confianza para la
media de una poblacin normal.
Tamao de muestra.
Intervalo de Confianza para la
Varianza de una Poblacin
Normal.
Intervalo de Confianza para la
Proporcin de una Poblacin de
Bernoulli.
PRACTICA Y LABORATORIO
Prctica dirigida sobre intervalos
de confianza para la media, la
varianza y la proporcin
poblacional.

14

TEORIA
Las Hiptesis Estadsticas. Errores
en la Prueba de Hiptesis: Error de
Tipo I y Error de Tipo II.
Regin
Crtica:
Nivel
de
Significacin.
Prueba de Hiptesis para la Media
de una Poblacin Normal.

ESTRATEGIAS
DIDACTICAS

Mtodos: Deductivo,
lgico, activo,
flexible, de trabajo
colectivo.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

Mtodos: Deductivo,
lgico, activo,
flexible, de trabajo
colectivo.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

Mtodos: Inductivo,
lgico, activo,
flexible, de trabajo
colectivo, sinttico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

Mtodos: Inductivo,
lgico, activo,
flexible, de trabajo
colectivo.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

EVALUACION
CRITERIOS
INSTRUMENTOS

Comprensin y
aplicacin.

Comprensin y
aplicacin.

Resolucin de
ejercicios y
problemas, pruebas
especficas.

Resolucin de
ejercicios y
problemas, pruebas
especficas.

Comprensin
aplicacin,
sntesis.

Resolucin de
ejercicios y
problemas, pruebas
especficas.

Comprensin
aplicacin,
sntesis,
evaluacin.

Resolucin de
ejercicios y
problemas, pruebas
especficas.

15

PRACTICA Y LABORATORIO
Prctica dirigida sobre pruebas
para la media.
TEORIA
Prueba de Hiptesis para la
Varianza de una Poblacin
Normal.
Prueba de Hiptesis para la
Proporcin de una Poblacin de
Bernoulli.
(Opcional: Pruebas de hiptesis
para comparacin de parmetros).
PRACTICA Y LABORATORIO
Prctica dirigida sobre pruebas de
hiptesis para la varianza y la
proporcin.

16

EXAMEN FINAL

17

EXAMEN SUSTITUTORIO

Mtodos: Inductivo,
lgico, activo,
flexible, de trabajo
colectivo, sinttico.
Tcnicas: Expositiva
con material de
apoyo, participativa,
sesiones de trabajo.

Comprensin
aplicacin,
sntesis.,
evaluacin.

Resolucin de
ejercicios y
problemas, pruebas
especficas.

5. ESTRATEGIA DIDCTICA
El docente, desarrollar la asignatura siguiendo criterios de mediacin, usando el mtodo inductivo,
flexible, participativo y constructivo. Las clases sern expositivas, con un enfoque terico-prctico y
de laboratorio computacional, promoviendo permanentemente la participacin activa de los
estudiantes. Con este fin, se utilizar las tcnicas de exposicin participativa, prcticas dirigidas y
de laboratorios guiados. Se elaborarn guas de prcticas y de laboratorios, orientadas a que el
estudiante refuerce los conocimientos adquiridos en las clases tericas. Se har uso de los medios de
cmputo y de software estadstico para el procesamiento de los datos y anlisis de la informacin.
Los estudiantes participarn activamente a travs del desarrollo de problemas, estudio de casos,
talleres de creatividad, formando grupos pequeos de trabajo cooperativo.
6.

EVALUACION DEL APRENDIZAJE

La evaluacin de los estudiantes es integral, continua y permanente. Para el promedio final se tomar en cuenta
los siguientes conceptos: exmenes escritos, prcticas calificadas, desarrollo de listas de ejercicios, informes
escritos y participacin en clases.
CONCEPTO
Examen parcial (EP)
Examen final (EF)
Promedio de prcticas calificadas (PP)
Promedio de trabajos encargados
participacin en clases (TE)

PORCENTAJE

0.3
0.3
0.3
0.1

Se tomar en cuenta la destreza en el uso de las herramientas estadsticas, la claridad en el lenguaje (oral y
escrito), la pulcritud y orden en los exmenes e informes escritos.
El promedio final ponderado se obtendr de la siguiente manera:
P F = 0.3 EP + 0.3 EF + 0.3 PP + 0.1 TE
7.

REFERENCIAS BIBLIOGRFICAS

BSICA
1.

Montgomery & Runger, Probabilidad y Estadstica aplicadas a la Ingeniera. Limusa Wiley. 2 Edicin.
2012.

2.

Muruzbal Irigoyen Jos Javier, Clculo de probabilidades y Teora de variable aleatoria. Elementos de
Estadstica Aplicada. Garceta, grupo editorial. 4. Edicin. 2014.

3.

Chue, Barreno, Millones, Vsquez, Castillo, Estadstica aplicada. Fondo Editorial de la Universidad de
Lima. 2009.

4.

Jay L. Devore, Probabilidad y Estadstica para Ingeniera y Ciencias. CENGAGE Learning. Sptima
Edicin, 2008.

5.

Ipia & Durand, Inferencia estadstica y anlisis de datos. Pearson, Prentice-Hall. 2008.

6.

Lind, Marchal, Wathen, Estadstica aplicada a los negocios y la economa. Mc Graw Hill. 2008.

7.

Chue, Barreno, Millones, Vsquez, Castillo, Estadstica descriptiva y probabilidades. Fondo Editorial
de la Universidad de Lima. 2007.

8.

Quevedo Uras & Prez Salvador, Estadstica para Ingeniera y Ciencias. Grupo Editorial Patria. 2008.

DE CONSULTA
1.

Freund & Miller & Miller, Estadstica Matemtica con Aplicaciones. Pearson Educacin. 6 Edicin.
1996.

2.

Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. 4 Edicin. 1996.

3.

Freund & Walpole, Estadstica Matemtica con Aplicaciones. Prentice-Hall, 4 Edicin, 1990.

4.

Hines & Montgomery, Probabilidad y Estadstica para Ingeniera y Administracin. CECSA, 1986.

5.

Mendenhall, Scheaffer, Wackerly,

Estadstica Matemtica con Aplicaciones. Grupo Editorial

Iberoamrica. 1986.
6.

Mendenhall & Sincich, Probabilidad y Estadstica para Ingeniera y Ciencias. Prentice-Hall 4 Edicin.
1997.

7.

Scheaffer & McClave, Probabilidad y Estadstica para Ingeniera. Grupo Editorial Iberoamrica. 1993.

8.

Vliz Capuay Carlos, Estadstica. Aplicaciones. Editorial San Marcos. 2000.

9.

Walpole & Myers, Probabilidad y Estadstica. McGraw-Hill. Cuarta edicin. 1996.

ENLACES Y SITIOS WEB

http://ar.answers.yahoo.com/question/index?qid=20080803091252AAyiMLy
http://webpages.ull.es/users/jjsalaza/curriculum/books/GOBCAN02.pdf
http://www.fisterra.com/mbe/investiga/distr_normal/distr_normal2.pdf
http://www.hezkuntza.ejgv.euskadi.net/r43573/es/contenidos/informacion/dia6_sigma/es_sigma/adjuntos/sigma_27/4_distribucion_normal.pdf