Est Ad Is Tic A

PROGRAMA DE LA ASIGNATURA
ESTADSTICA DESCRIPTIVA E INFERENCIAL II

SECRETARA ACADMICA DIRECCIN DE PLANEACIN ACADMICA COORDINACIN DEL SISTEMA DE ENSEANZA ABIERTA
MARZO DE 1994
CLAVE: CRDITOS: HORAS:
673 6 3
PRESENTACIN
El programa de estudios de la asignatura Estadstica Descriptiva e Inferencial II tiene la finalidad de informar a los profesores sobre los aprendizajes que se esperan lograr en el estudiante, as como sobre la perspectiva terico-metodolgica y pedaggica desde la que debern ser enseados. El programa se constituye as, en el instrumento de trabajo que le brinda al profesor elementos para planear, operar y evaluar el curso. El programa contiene los siguientes sectores: MARCO DE REFERENCIA Est integrado por: ubicacin, intencin y enfoque. La ubicacin proporciona informacin sobre el lugar que ocupa la asignatura al interior del plan de estudios y sobre sus relaciones horizontal y vertical con otras asignaturas. Las intenciones de materia y asignatura informan sobre el papel que desempea cada una de ellas para el logro de los propsitos educativos del Colegio de Bachilleres. El enfoque informa sobre la organizacin y el manejo de los contenidos para su enseanza.
BASE DEL PROGRAMA Concreta las perspectivas educativas sealadas en el marco de referencia a travs de los objetivos de unidad y de operacin para temas y subtemas. Los objetivos de unidad expresan, de manera general, los conocimientos, habilidades, valores y actitudes que constituyen los aprendizajes propuestos; los objetivos de operacin para temas y subtemas precisan los lmites de amplitud y profundidad con que los contenidos sern abordados y orientan el proceso de interaccin entre contenidos, profesor y estudiante, es decir, sealan los aprendizajes a obtener (el qu), los conocimientos, habilidades o medios que se requerirn para lograrlos (el cmo) y la utilidad de tales aprendizajes en la formacin del estudiante (el para qu). ELEMENTOS DE INSTRUMENTACIN Incluyen las estrategias didcticas, las sugerencias de evaluacin, la bibliografa y la retcula. Las estrategias didcticas, derivadas del enfoque, son sugerencias de actividades que el profesor y los estudiantes pueden desarrollar durante el curso para lograr los aprendizajes establecidos con los objetivos de operacin. La carga horaria est determinada por la amplitud y profundidad de los contenidos y, por lo mismo, permite planear la aplicacin de las estrategias didcticas y ponderar los pesos para la evaluacin sumativa. Las sugerencias de evaluacin son orientaciones respecto a la forma en que se puede planear y realizar la evaluacin de sus modalidades diagnstica, formativa y sumativa.
La bibliografa se presenta por unidad y est constituida por textos, libros y publicaciones de divulgacin cientfica que se requieren para apoyar y/o complementar el aprendizaje de los distintos temas por parte del estudiante y para orientar al profesor en la planeacin de sus actividades. La retcula es un modelo grfico que muestra las relaciones entre los objetivos y la trayectoria propuesta para su enseanza. Para la adecuada comprensin del programa se requiere una lectura integral que permita relacionar los sectores que lo constituyen. Se recomienda iniciar por la lectura analtica del apartado correspondiente al marco de referencia, debido a que en ste se encuentran los elementos tericos y metodolgicos desde los cuales se abordarn los contenidos propuestos en los objetivos de operacin.
UBICACIN Este programa corresponde a la asignatura de Estadstica Descriptiva e Inferencial II que se imparte en el sexto semestre y, junto con Estadstica Descriptiva e Inferencial I, constituyen la materia de Estadstica Descriptiva e Inferencial. La materia de Estadstica Descriptiva e Inferencial se ubica en el rea de Formacin Especfica* que es un espacio de flexibilidad para la Institucin, ya que permite incluir contenidos de inters en virtud de necesidades de carcter regional o local, y para el estudiante, ya que favorece su capacidad de eleccin. Las finalidades de esta rea son: Ampliar, profundizar o aplicar los conocimientos generados en el rea de Formacin Bsica, al abordarlos desde una perspectiva integradora y multidisciplinaria o al relacionarlos con conocimientos nuevos. Canalizar los intereses y complementar la formacin del estudiante como bachiller. Brindar al estudiante una preparacin de carcter introductoria, para la adquisicin de tcnicas bsicas y la construccin de habilidades cognitivas especiales. La materia de Estadstica Descriptiva e Inferencial forma parte del Campo de Conocimiento de Matemticas**, cuya finalidad es: que el estudiante adquiera los elementos que conforman la cultura bsica de las Matemticas (Aritmtica, lgebra, Geometra Euclidiana, Trigonometra, Geometra Analtica, Clculo y Estadstica), de manera que desarrollen las capacidades y habilidades propias del razonamiento lgico y del pensamiento inductivo-deductivo, indispensable en la comprensin y aplicacin de los diferentes mtodos y conceptos matemticos, as como el dominio del lenguaje de las Matemticas y de los modelos que esta disciplina desarrolla.
* **
Ver cuadro No. 1 Ver cuadro No. 2
El campo de Matemticas est constituido por las materias Matemticas, Clculo Diferencial e Integral y Estadstica Descriptiva e Inferencial que se relacionan como se ilustra en el siguiente cuadro:
CLCULO DIFERENCIAL E INTEGRAL
MATEMTICAS
ESTADSTICA DESCRIPTIVA E INFERENCIAL
REA PROPEDUTICA
REA DE FORMACIN BSICA

CAMPO DE CONOCIMIENTOS DE MATEMTICAS
REA DE FORMACIN ESPECFICA
MATERIA DE ESTADSTICA
MATERIA DE MATEMTICAS ASIGNATURAS I, II, III y IV
MATERIA DE CLCULO
Cuadro No. 1 7
Cuadro No. 2
CAMPO DE CONOCIMIENTO DE MATEMTICAS
MATERIA DE MATEMTICAS:
Matemticas I, II, III y IV
MATERIA DE CLCULO
CADI I y II
MATERIA DE ESTADSTICA
EDI I y II
La contribucin de estas materias para el logro de la finalidad del Campo de Conocimientos es la siguiente: La materia de Matemticas busca ampliar en el estudiante el conocimiento y el desarrollo de la capacidad de abstraccin, mediante el estudio y aplicacin de los diferentes niveles de formalizacin y generalizacin de los modelos, lenguajes y mtodos de la disciplina; concibindola no slo como un sistema lgico cmo una herramienta en el estudio de otros campos del conocimiento, sino tambin como una ciencia en desarrollo y construccin. La materia de Clculo Diferencial e Integral recupera e integra los conocimientos de la materia de Matemticas, al abordar problemas y plantearlos con mayor nivel de comoplejidad, mediante el uso del mtodo de los procesos infinitos, con los cuales el estudiante accede al conocimiento y prctica de un lenguaje matemtico con mayor poder de abstraccin y generalizacin, as como una nueva metodologa matemtica, bsica para su cultura matemtica. La materia de Estadstica Descriptiva e Inferencial permite analizar, interpretar y explicar, en forma cuantitativa a travs de procedimientos especficos, las relaciones, operaciones y transformaciones que caracterizan a diversos fenmenos, lo que implica desarrollar habilidades especficas para organizar, analizar, interpretar, sintetizar y sistematizar informacin, as como para hacer diversas inferencias. En particular con respecto a las asignaturas que conforman la materia: Estadstica Descriptiva e Inferencial I incluye en sus contenidos algunos antecedentes de la estadstica, conceptos preliminares, presentacin de datos, medidas descriptivas, correlacin y regresin lineal y elementos de probabilidad; en Estadstica Descriptiva e Inferencial II se estudian las distribuciones de probabilidad de variables aleatorias, las distribuciones probabilsticas discretas y continuas, as como muestreo, estimacin prueba de hiptesis y muestreo de aceptacin.
Dentro del campo de conocimientos, Estadstica Descriptiva e Inferencial se relaciona con las asignaturas de Matemticas I a IV, como antecedentes directos, y con Clculo Diferencial e Integral I y II, como materia optativa, que en conjunto complementan el panorama sobre las Matemticas que se ofrecen al alumno. En el siguiente esquema se plantean estas relaciones:
ESTADSTICA DESCRIPTIVA E INFERENCIAL I MATEMTICAS I, II, III y IV CLCULO DIFERENCIAL E INTEGRAL I y II
Respecto a otras materias del Plan de Estudios, Estadstica Descriptiva e Inferencial tiene las siguientes relaciones de servicio:
RELACIONES DE SERVICIO DE ESTADSTICA DESCRIPTIVA E INFERENCIAL II
Taller de Lectura y Redaccin Matemticas

Ciencias Naturales y Ciencias Sociales
Mtodos de Investigacin
10
La materia de Estadstica Descriptiva e Inferencial recibe servicio directo de las materias de Taller de Lectura y Redaccin y Mtodos de Investigacin; la primera al desarrollar habilidades para manejar y comprender el lenguaje a partir de sus elementos, de su significado, de regla y de su uso, pues el lenguaje matemtico requiere para su comprensin y manejo de dichas habilidades. En cuanto a Mtodos de Investigacin, el manejo de la lgica, conjuntamente con el estudio del mtodo cientfico y la formacin de actitudes favorables a la investigacin le dan un relevante papel de servicio para una mayor comprensin de la materia. Por su parte Estadstica Descriptiva e Inferencial da servicio a las materias de los campos de conocimientos de Ciencias Naturales y de Ciencias Sociales al desarrollar procedimientos y habilidades de anlisis, de observacin y de abstraccin, indispensables para el estudio y aplicacin de estos conocimientos, mucho de lo cual se concreta en el planteamiento y solucin de problemas especficos, a los cuales se pueda aplicar la metodologa estadstica para obtener anlisis cuantitativos que permitan llegar a una caracterizacin bsica del mismo.
11
INTENCIN La materia de Estadstica Descriptiva e Inferencial tiene como intencin: Proporcionar al estudiante los modelos estadsticos bsicos: descriptivos, probabilsticos e inferenciales que le permitan organizar la informacin cualitativa y cuantitativa presentarla en forma ordenada, describirla, interpretarla y hacer inferencia, de tal manera que pueda aplicar dichos modelos en la resolucin de problemas sociales, econmicos y fsicos de las diversas reas de conocimiento, as mismo incorporar al estudiante en una serie de actividades que le permitan manejar grandes volmenes de datos reales, usando los medios electrnicos apropiados de manera que pueda aplicarlos en su vida cotidiana. Esta intencin contribuye a la del Campo de Conocimientos de Matemticas en la medida en que el mtodo estadstico permite interpretar la realidad mediante modelos o abstracciones, as propicia en el estudiante habilidades para el anlisis crtico de su realidad. La materia de Estadstica Descriptiva e Inferencial, por su intencin, sirve al estudiante para su desempeo en otras materias del plan de estudios tales como Biologa y Estructura Socioeconmica de Mxico, as como para comprender la informacin estadstica que aparece en los medios de comunicacin. La intencin de la asignatura de Estadstica Descriptiva e Inferencial II plantea que: El alumno adquiera los modelos probabilsticos bsicos para realizar inferencias estadsticas en diferentes reas de conocimiento como Biologa, Sociologa, Estructura Socioeconmica, Fsica, etc. a partir del conocimiento de los conceptos estadsticos descriptivos y probabilsticos desarrollados en Estadstica Descriptiva e Inferencial. Lo anterior se lograr a travs del estudio de: las variables aleatorias y funcin probabilsticas, distribuciones de Probabilidad Binomial y Normal Estndar, introduccin a la Inferencia estadstica y aplicacin de los modelos probabilsticos al control estadstico de la calidad. Adems necesitar apoyarse en medios electrnicos apropiados (calculadoras, computadoras, etc.), para desarrollar y aplicar los mtodos estadsticos inferenciales bsicos. Asimismo se pretende que el alumno aplique estos conocimientos tanto en su vida cotidiana como en su desarrollo intelectual lo que le permitir acceder a conocimientos ms complejos.
12
ENFOQUE El enfoque se define como la perspectiva desde la cual se estructuran los contenidos y se establece la metodologa a seguir para su enseanza y aprendizaje. El enfoque se divide en dos mbitos: el disciplinario y el didctico. EN EL MBITO DISCIPLINARIO: La Matemtica tiene un cuerpo terico-metodolgico integrado por diversas ramas que, a travs de su desarrollo histrico, han conformado mtodos y lenguajes especializados propios de esta ciencia. De acuerdo con este desarrollo, las principales caractersticas de la disciplina son: el carcter abstracto, el carcter integrador, el rigor lgico y el manejo de un lenguaje simblico (grfico y numrico). stas estn interrelacionadas y presentan diferentes grados de complejidad, dependiendo de la rama o el nivel explicativo desde donde se aborden los conocimientos. A continuacin se presenta un esquema sinttico sobre las caractersticas mencionadas; es importante no olvidar que todas ellas se encuentran relacionadas entre s de manera estrecha.
EL CARCTER ABSTRACTO Es el proceso mental que se realiza para manejar un lenguaje, identificar las caractersticas de los objetos y traducir stas a smbolos (imgenes mentales); la dificultad para abstraer se refleja en los niveles de explicacin progresivamente ms generales. EL CARCTER INTEGRADOR El conocimiento matemtico se construye a partir de la reinterpretacin y reelaboracin de los conocimientos; esto se logra con la recuperacin e integracin de conceptos previos para generar nuevas perspectivas y conocimientos, y de esta manera ampliar, profundizar y aplicar los conocimientos tanto en la misma disciplina como en otras reas. EL RIGOR LGICO El rigor lgico se manifiesta en dos niveles, uno referido a la secuenciacin rigurosa de las construcciones tericas y metodolgicas disciplinarias y el otro respecto a la secuencia de axiomas, principios o pasos que se siguen en la demostracin para aceptar como verdadero el conocimiento, de acuerdo con una serie de reglas. EL LENGUAJE SIMBLICO (grfico y numrico) Es la herramienta que facilita la comprensin de conceptos y elaboracin de modelos matemticos, con el manejo de una terminologa y una simbologa especfica.
13
Con base en estas caractersticas de la disciplina se seleccionan, organizan y desglosan los contenidos con la idea de formar una estructura articulada donde se avance y profundice paulatinamente en el conocimiento matemtico. De esta manera, al iniciar con el estudio de nociones aritmticas, se retoma el nivel menos abstracto, con menos complejidad en su rigor lgico y con el manejo de un lenguaje simblico ms sencillo, elementos que progresivamente se van complejizando hasta adquirir el nivel ms abstracto en la formalizacin e integracin del conocimiento matemtico con el estudio de la Geometra Analtica; asimismo su carcter integrador implica que la construccin del conocimiento parta de aprendizajes anteriores, estableciendo relaciones entre las diversas ramas de la disciplina; de esta manera, al concluir con el estudio de la Geometra Analtica, se retoman globalmente los aprendizajes y se da un nuevo significado a los conocimientos previamente adquiridos. Con base en lo anterior, en la asignatura de Estadstica Descriptiva e Inferencial II los contenidos se organizan de la siguiente forma: Se inicia con una introduccin sobre las variables aleatorias y las funciones probabilsticas y su clasigicacin, a travs de su estudio y aplicacin en la resolucin de problemas. Despus, se abordan las caractersticas esenciales de la distribucin binomial (caso discreto) y de la distribucin normal estndar (caso continuo), para poder aplicar stas a la solucin de problemas que puedan ajustarse al anlisis de estos modelos probalsticos tericos. Se contina con una introduccin a la inferencia estadstica abordandola desde la perspectiva de la estimacin puntual y de la estimacin por intervalo, pasando por la nocin de muestreo y de regla de decisin detenindose en la clasificacin del tipo de error y del planteamiento y contrastacin de la prueba de hiptesis. Finalmente, se incluye un breve bosquejo de las aplicaciones del mtodo inferencial en los procesos del control estadstico de la calidad, para hacer inferencias paramtricas acerca de una poblacin a partir de ciertos estadsticos mustrales.
14
EN EL MBITO DIDCTICO: El desarrollo del proceso enseanza-aprendizaje supone que no slo se aprende de los contenidos sino tambin de la forma en que stos se ensean; por lo que, si se pretende que el estudiante adquiera habilidades lgico-metodolgicas, desarrolle actitudes positivas respecto a la disciplina y sea crtico, es necesario utilizar modelos pedaggicos que posibiliten estos fines. En este sentido, el Modelo Educativo del Colegio de Bachilleres plantea una concepcin pedaggica que, fundamentada en la filosofa, los valores, principios y fines de la Institucin, sigue el camino que conduce a la construccin del conocimiento. De acuerdo con lo anterior, en el siguiente esquema se ilustra la idea didctica que estructura y organiza los contenidos-objetivos del programa de Estadstica Descriptiva e Inferencial.
ORGANIZACIN DE LOS CONTENIDOS ASPECTOS Nociones: Sencillos Concretos Conocidos Intuitivos
Lograr el aprendizaje ASPECTOS Conceptos: Complejos Abstractos Desconocidos Formales
15
Es importante que en la enseanza y aprendizaje de las Matemticas se modifique la idea de transmitir el conocimiento como algo acabado, obligando al estudiante a memorizar operaciones o procedimientos; por el contrario, se propone que el profesor retome continuamente la experiencia de los estudiantes, tanto en lo acadmico como en lo cotidiano, y promueva su participacin durante todo el proceso educativo, donde stos analicen y apliquen los conocimientos. Un apoyo muy importante para lograr lo anterior es la Geometra, ya que este elemento permite dar un contexto a las Matemticas a travs de la representacin y visualizacin de algunos conceptos, facilitando su comprensin. La construccin del conocimiento exige trascender los saberes y estructuras de pensamiento previos e integrarlos en otros ms complejos; una forma de lograrlo es a travs del proceso de desestructuracinreestructuracin del conocimiento, que puede iniciarse con una problematizacin que desencadene el proceso. Iniciar el proceso de aprendizaje de esta manera permite al estudiante utilizar sus habilidades de pensamiento y sus conocimientos previos para intentar resolver la situacin; el no conseguirlo impondr la necesidad de buscar explicaciones y acceder a un nivel superior de conocimiento. Concretamente, en el proceso de aprendizaje, se desestructura al estudiante cuando ste no puede resolver un problema (planteado por l mismo o por el profesor) a partir de sus conocimientos, es decir, cuando se provoca de manera dirigida un desequilibrio entre sus saberes (conocimientos y habilidades), valores y actitudes, y los propuestos en el programa de estudios. Las situaciones alrededor de las cuales se plantearn los problemas deben ser o hacerse significativas para el estudiante y abarcar dos dimensiones: la realidad misma del estudiante, lo que implica tomar en cuenta su esquema referencial, es decir, considerar sus saberes y haceres, su situacin personal, familiar y social, sus expectativas, inquietudes, intereses y necesidades; as como tambin, la problemtica de que se ocupan las ciencias, lo que significa ponerlo en contacto con el estado que presenta el conocimiento cientfico en la actualidad y sus perspectivas.
16
El conocimiento y manejo de los mtodos permite que el estudiante reconozca las formas especficas de acercamiento, manipulacin, asimilacin, reacomodo y construccin de un objeto de conocimiento, adems de que generar en l una disciplina de investigacin y de estudio en la que pondr en juego el gusto por aprender. Por ello es conveniente considerar a los mtodos como un medio y no como un fin, es decir, no como algo que debe ser conocido en s y por s, como un saber desvinculado de otros, sino como una herramienta til en el proceso de construccin y apropiacin de conocimientos. En matemticas esta idea se ve reflejada tanto en su estructura como en su enseanza en el mtodo inductivo-deductivo. Por ello se recomienda iniciar el proceso educativo con el planteamiento de un problema o la presentacin de un fenmeno, para que el estudiante cuestione, interrogue y finalmente busque respuestas y explicaciones, ejercitando su razonamiento y confrontndolo con sus referentes previos; esto asigna al profesor el papel de diseador de situaciones y promotor del aprendizaje. Para resolver el problema o explicar el fenmeno presentado. es decir, para lograr la reestructuracin, se requiere de un conjunto de condiciones y acciones que faciliten la interaccin del estudiante con el objeto de conocimiento, en la concepcin moderna de la enseanza de las matemticas, esto se puede dar de manera general, a travs de la generacin o planteamiento de modelos, su manejo para desarrollar algoritmos, el clculo para obtener resultados y la interpretacin necesarias en la solucin, todo lo cual se inscribe en el conocimiento y manejo de los mtodos como un medio para la construccin del conocimiento. En este proceso es necesario que el estudiante incorpore informacin pertinente a los contenidos del programa de estudio la cual debe ser asumida por el estudiante como un producto propio. Para ello deber contrastar sus soluciones o la problemtica dada con la informacin que le permite encontrar los conceptos que la engloban y explican de manera que los incorpore en su proceso de construccin del conocimiento, es decir, que no los adquiera a travs de una memorizacin mecnica, ni que los vea como algo aislado o ajeno a su realidad, sino que los adopte y retenga como respuesta a situaciones que para l mismo son significativas. La elaboracin de modelos mediante la identificacin de los elementos bsicos de un problema o fenmeno y su posterior contrastacin conforman, en matemticas, una parte importante del proceso de apropiacin constructiva del conocimiento.
17
Una vez que el estudiante se ha apropiado de conocimientos nuevos para l, debe verificar si son correctos y suficientes, mediante su aplicacin a la problemtica planteada y, posteriormente, reforzarlos probando su validez o utilidad en otras situaciones. La aplicacin es la expresin de la forma en que se han modificado los conocimientos del estudiante y se manifiesta en los momentos en que ste puede poner en prctica dichos conocimientos en un nivel de mayor complejidad; en el caso de matemticas una de las formas en que esto se puede observar es en la ejercitacin del modelo sobre problemas que presenten diferentes condiciones. Para el caso de Estadstica Descriptiva e Inferencial el estudiante integra sus conocimientos con base en los anteriores de manera que puede generalizar los conceptos y, con ello, resolver una amplia gama de problemas. En Estadstica Descriptiva e Inferencia se entiende que el estudiante integrar conceptos como frecuencia, medidas de tendencia central, de dispersin, etctera, aplicables a diversos problemas. Finalmente el estudiante deber realizar diferentes actividades intra o extra clase, tendientes a consolidar lo aprendido e integrar el conocimiento; stas pueden ser investigaciones, experimentos, ensayos, exposiciones, etctera, a travs de las cuales pueda percatarse de la importancia y utilidad de la disciplina en su mundo cotidiano, de las relaciones de sta con otros campos de conocimiento y de sus posibles aplicaciones para la solucin de nuevos problemas de su realidad inmediata. Con ello se lograr la consolidacin, que implica el logro de una estabilidad temporal en las estructuras de pensamiento alcanzadas por el estudiante, en un nivel de mayor complejidad. Dichas estructuras debern ser sometidas a un nuevo proceso de desestructuracinreestructuracin para llegar a conceptos ms complejos. En este camino es fundamental la retroalimentacin por parte del profesor, ya que sta permitir al estudiante observar y corregir sus errores, as como valorar sus aciertos en funcin de sus propios resultados, desarrollando una participacin crtica frente a su propio aprendizaje.
18
UNIDAD 1. OBJETIVO:
VARIABLES ALEATORIAS
Carga horaria: 9 horas
El estudiante manejar y clasificar las variables aleatorias (discretas y continuas), relacionndolas con el concepto de evento estocstico, recuperando de su experiencia el concepto de funcin y de esta manera caracterice sus elementos esenciales: dominio, contradominio, imagen, grfica, etc., ejemplificando adems las funciones probabilsticas bsicas, tales como: las funciones de distribucin, acumulada y valor esperado; para as acceder a conocimientos de estadstica inferencial como prueba de hiptesis y estadsticos no paramtricos.
OBJETIVOS DE OPERACIN
1.1 VARIABLE ALEATORIA (3 hrs.)
ESTRATEGIAS DIDCTICAS SUGERIDAS
Qu: El estudiante clasificar variable aleatoria (discreta y continua). Cmo: A partir de la realizacin de experimentos que involucren fenmenos de azar que le permitan contrastar los determinsticos de los aleatorios. Para qu: Caracterice los elementos esenciales de esta
funcin cuyo dominio es un espacio probabilstico y utilice a la variable aleatoria como modelo representativo de fenmenos que involucran un cierto factor de incertidumbre.
19
1.1.1 ELEMENTOS Y CARACTERSTICAS DE LA VARIABLE ALEATORIA

En el progrma, las estrategias didcticas slo se desarrollan para los objetivos integradores, sin embargo, en el caso de esta unidad se presentan para todos los subtemas a manera de ejemplo.
FASE I INDUCCIN FASE 2 ESTRUCTURACIN FASE 3 CONSOLIDACIN
Qu: El estudiante identificar los elementos esenciales de la variable aleatoria: dominio, contradominio, regla de correspondencia, rango, imagen y grfica. Cmo: Ubicando a la variable aleatoria como una funcin con caractersticas especiales, donde su dominio es un espacio muestral y su rango o recorrido es el conjunto de los nmeros reales. Para qu: Pueda construir el concepto de funcin probabilstica y aplique ste en el anlisis de experimentos aleatorios.
1.1.1 Este subtema se puede iniciar con la realizacin de algunos experimentos aleatorios por parte de los alumnos, como por ejemplo, lanzar tres monedas de uso corriente, un cierto nmero de veces. El profesor, explicar la importancia de conocer el espacio muestral del experimento as como tambin, la regla de correspondencia que caracteriza una variable aleatoria.
Los alumnos organizados en equipos, realizarn una serie de 12 ensayos donde registren sus resultados en una tabla como: Evento aaa asa sss No. guilas 3 2 0, etc.
El profesor concluir que para obtener el espacio muestral de algunos experimentos es conveniente el diagrama de rbol:
a a s a s
a s a s a s a s
A partir de sus observaciones los alumnos contestan las preguntas: 1) Cul es el espacio
muestral del experimento anterior? 2) x nmero de guilas depende de los resultados de cada ensayo?
El profesor explica los elementos de una variable aleatoria desde el punto de vista de funcin.
20
1.1.2 CLASIFICACIN Y CARACTERSTICAS DE LA VARIABLE ALEATORIA Qu: El estudiante clasificar las variables aleatorias en discretas y continuas de acuerdo con sus caractersticas bsicas. Cmo: A travs del anlisis de distintos experimentos aleatorios que le permitan observar las caractersticas de la variable aleatoria involucrada. Para qu: Pueda diferenciar entre una variable discreta y una continua, a fin de saber identificarla de acuerdo con el fenmeno que se desea caracterizar.
FASE I INDUCCIN
FASE 2 ESTRUCTURACIN
FASE 3 CONSOLIDACIN
1.1.2 El profesor propone una lista de ejemplos donde se nuas. encuentren variables aleatorias discretas y conti-
Los alumnos, reunidos en equipos, analizan los ejemplos a fin de determinar semejanzas y diferencias esenciales.
A travs de los ejemplos los alumnos y el profesor, en plenaria, concluir una clasificacin de variables aleatorias: discretas y continuas.
1.2. FUNCIONES PROBABILSTICAS (6 hrs.) Qu: El estudiante conocer las funciones estocsticas de distribucin, distribucin acumulada y valor esperado de una variable discreta. Cmo: Calculando los valores de probabilidad asociados a la variable, as como sus respectivos grficos.
21
Para qu: Este tipo de funciones tericas se relacionen con distribuciones de frecuencias empricas, de tal forma que se observe la diferencia entre estadsticos muestrales y parmetros poblacionales (media, varianza y desviacin estndar).
1.2.1
FUNCIN
DE
DISTRIBUCIN
DE
FASE 1 INDUCCIN FASE 2 ESTRUCTURACIN FASE 3 CONSOLIDACIN
PROBABILIDAD Qu: El estudiante conocer la funcin de distribucin de probabilidad y su grfica. Cmo: Realizando experimentos aleatorios sencillos que le permitan al estudiante observar como se distribuye la probabilidad en una cierta distribucin frecuencial emprica. Para qu: Interprete sus resultados y el modelo terico de distribucin de probabilidad del experimento realizado.
1.2.1 El profesor propone la realizacin del experimento que consiste en lanzar 100 veces un dado. Har nfasis en la relacin que existe entre los resultados de la probabilidad prctica (estadstica) y la teora.
Los alumnos efectan el proceso de lanzar 100 veces el dado y registran en una tabla el conteo las frecuencias absoluta y relativa.
No. Puntos 1 2 3 4 5 6
El profesor efecta el clculo terico de la probabilidad con el fin de contrastar los resultados prcticos de los estudiantes, en donde se distribuye la probabilidad en cada uno de los valores de la va-
Conteo
Fa
Fr
riable y concluye que la asociacin de sta con sus respectivos valores de probabilidad forman una distribucin de probabilidad.
22
1.2.2
FUNCIN DE DISTRIBUCIN ACUMULADA
FASE 1 INDUCCIN
FASE 3 CONSOLIDACIN
Qu: El estudiante conocer la funcin de distribucin acumulada as como su grfica. Cmo: Realizando experimentos aleatorios sencillos que le permitan observar la acumulacin de probabilidad en una cierta distribucin frecuencial emprica. Para qu: A fin de relacionar sus resultados con la grfica de la ojiva de frecuencias relativas acumuladas de una distribucin de frecuencias.
1.2.2 El profesor, propone el experimento de lanzar 100 veces tres monedas con el objeto de observar la frecuencia con que se repiten los valores de la variable aleatoria X: nmero de guilas.
Los alumnos efectan el experimento propuesto y registran sus resultados en una tabulacin donde se incluyan la frecuencia relativa acumulada, posteriormente construyen la grfica de la ojiva.
El profesor explica que una funcin de probabilidad acumulada es anloga a una tabla de frecuencias relativas acumuladas, donde dicha funcin tiene como grfica una funcin escalonada montona creciente.
23
1.2.3 FUNCIN VALOR ESPERADO DE UNA VARIABLE ALEATORIA Qu: El estudiante conocer el concepto de valor esperado de una distribucin de probabilidad de una variable aleatoria discreta. Cmo: Calculando el valor promedio de la variable aleatoria y comparndolo con el que se obtiene terica y prcticamente en un experimento aleatorio. Para qu: Para observar que cuando P(x) describe precisamente a las frecuencias relativas de una poblacin real de datos, entonces el valor esperado E(x) es igual a la media poblacional
FASE 1 INDUCCIN

FASE 2 ESTRUCTURACIN FASE 3 CONSOLIDACIN
1.2.3 Este subtema, se sugiere sea abordado por el profesor de tal forma que se asocie el valor esperado con la media de la variable aleatoria.
Los alumnos retomarn los resultados de lanzar 100 veces tres monedas determinando las siguientes reglas: 1. El jugador gana $2 si obtiene 1 0 guilas. 2. El jugador pierde $3 si obtiene 2 guilas. 3. Ni pierde ni gana en cual-quier otro caso. Con estas reglas el juego es legal?
El profesor define el concepto de valor esperado y lo asociar a la media de la variable.
24
1.2.4 PARMETRO DE UNA DISTRIBUCIN DE PROBABILIDAD DISCRETA Qu: El estudiante conocer los parmetros principales de una variable aleatoria: media, varianza y desviacin estndar. Cmo: A partir del clculo de los parmetros media
FASE 1 INDUCCIN

1.2.4 Se sugiere que el profesor inicie este subtema con una investigacin por parte de los estudiantes sobre los parmetros de una distribucin.
Con base en la investigacin de los parmetros, los alumnos reunidos en equipos establecern conclusiones.
El profesor sintetizar mediante un cuadro de concentracin los parmetros de una distribucin de probabilidad.
( ) , varianza
(s ) y desviacin estndar ( )
2
de una distribucin de probabilidad (terica y prctica) de un experimento aleatorio de una variable discreta. Para qu: Comprenda que los parmetros de una distribucin de probabilidad (poblacin) tiene una relacin directa con los estadsticos muestrales de una distribucin de frecuencias (muestra).
25
OBJETIVO
UNIDAD 1. EVALUACIN DIAGNSTICA 1. Operaciones bsicas aritmticas con calculadora.
QU
SUGERENCIAS DE EVALUACIN
CMO PARA QU
Mediante instrumentos que contengan problemas, reactivos de respuesta abierta y/o breve, as como tambin de opcin mltiple.
Para conocer el grado de manejo de los elementos bsicos, para abordar los temas de EDI II
(+ ,,,, potenciaci n y radicacin )

2. 3. 4. 5. Tablas de frecuencia. Medidas de centralizacin. Medidas de dispersin. Concepto de funcin.
EVALUACIN FORMATIVA QU 1. Elementos y clasificacin de la variable aleatoria. 2. Distribucin de probabilidad. Realizar exmenes sobre contenidos integradores. Revisin de tareas al azar. CMO Participaciones en clase. PARA QU Para introducir al estudiante a los elementos bsicos de la estadstica inferencial.
26
OBJETIVO
UNIDAD 1 EVALUACIN SUMATIVA QU 1.Conocimiento de las funciones de distribucin. 2.Conocimiento de la notacin de la variable aleatoria y de las funciones de probabilidad. 3.Habilidad de construccin de grficos de las funciones. - Investigacin extraclase. CMO - Instrumentos con reactivos de opcin mltiple, respuesta breve y relacin de columnas. PARA QU Para conocer el grado de manejo de los elementos bsicos y tener elementos para la acreditacin.
27
UNIDAD 2. OBJETIVO:
FUNCIONES PROBABILSTICAS DISCRETAS
El estudiante conocer y manejar las funciones de distribucin de probabilidad Binomial y Poisson, induciendo las caractersticas del experimento de Bernoulli y calculando sus parmetros estadsticos principales: media ( ) , varianza ( a 2 ) y desviacin estndar ( ) , a fin de aplicarlos a problemas de distintas ramas del conocimiento.
2.1 EXPERIMENTO DE BERNOULLI (2 hrs.)
Qu: El estudiante conocer las caractersticas bsicas del experimento de Bernoulli. Cmo: A travs de problemas de aplicacin prctica que incluyan dos posibles resultados e independencia entre los ensayos. Para qu: De sta manera puede comprender las caractersticas de otras distribuciones discretas.
2.1.1
CARACTERSTICAS DEL EXPERIMENTO DE BERNOULLI
Qu: El estudiante conocer las caractersticas de los ensayos de Bernoulli.
28
Cmo: Por medio del anlisis de distintos problemas prcticos aplicados. Para qu: Con el fin de identificar en que situaciones puede aplicarse el modelo de Bernoulli.
2.2
LA DISTRIBUCIN BINOMIAL (4 hrs.)
Qu: El alumno manejar e interpretar el modelo matemtico de la distribucin binomial. Cmo: A travs de observar y calcular sus parmetros estadsticos: media estndar
( ) ,
varianza ( a ) y desviacin
( ) , utilizando para ello tanto las tablas de
la distribucin binomial como calculadoras cientficas. Para qu: Pueda aplicar el modelo binomial a la solucin de problemas de diversos tipos.
29
2.2.1 CARACTERSTICAS CIN BINOMIAL Qu: El estudiante conocer las caractersticas del modelo binomial. Cmo: Identificando los elementos de la distribucin, tales como probabilidad de xito y fracaso, nmero de ensayos y valores de la variable aleatoria, entre otros. Para qu: Construya el modelo de la distribucin binomial y pueda aplicarlo a una gama de problemas.
FASE 1 INDUCCIN
DE
LA
DISTRIBU-
FASE 3 CONSOLIDACIN
2.2.2
CLCULO
DE
PARMETROS
DE
LA
Se sugiere que el profesor proponga una serie de problemas que incluyan variables con distribucin binomial, como por ejemplo:
El profesor proporcionar a los estudiantes las frmulas para calcular la media y la desviacin estndar a fin de que stos puedan calcular los parmetros de la distribucin binomial.
Los estudiantes junto con el profesor llegarn a conclusiones acerca de los parmetros de la distribucin binomial.
DISTRIBUCIN BINOMIAL Qu: El estudiante calcular e interpretar los parmetros de la distribucin binomial.
= np y = npq
30
Cmo: Observando la aplicacin de las frmulas correspondientes para la media ( a ) y desviacin estndar
2

( ) ,
varianza
( ) .
a) El nmero de televisores producidos por da en una empresa, donde se estima que el 98% funcionan bien. b) Un lote de 50 semillas mejoradas se pondrn a prueba, el productor considera que el 88% de ellas germinarn.
Para qu: A fin de aplicar e interpretar correctamente la solucin de problemas donde se utilice el modelo Binomial.
2.3
DISTRIBUCIN DE POISSON (3 hrs.)
Qu: El estudiante manejar e interpretar el modelo de la distribucin de Poisson. Cmo: Observando sus caractersticas esenciales y calculando sus parmetros estadsticos: media
( ) , ( ) .
varianza ( a ) y desviacin estndar
Para qu: Con el objeto de aplicar el modelo de Poisson a diferentes situaciones prcticas.
31
2.3.1 CARACTERSTICAS DE LA DISTRIBUCIN DE POISSON Qu: El estudiante conocer las caractersticas bsicas del modelo de Poisson. Cmo: Observando e identificando los elementos que componen el modelo de Poisson. Para qu: Aplique en situaciones concretas el modelo de Poisson, relacionndolo con el modelo binomial cuando el nmero de ensayos es mayor. 2.3.2 CLCULO DE PARMETROS DISTRIBUCIN DE POISSON DE LA
FASE 1 INDUCCIN

El profesor propondr una serie de ejemplos donde se incluyan variables aleatorias del Poisson, tales como: a) El nmero de llamadas de emergencia en la Cruz Roja durante el fin de semana 4/hora. b) El promedio de errores tipogrficos de un libro es de 2.5/pgina. es a razn de
Los estudiantes analizarn las caractersticas de la variable aleatoria del tipo de Poisson. Considerando la relacin entre la variable discreta y el campo de medicin continuo donde se lleva a cabo el evento a observar.
Los estudiantes resolvern problemas que involucren variables Poisson. aleatorias del tipo
Qu: El estudiante calcular e interpretar los parmetros del modelo de Poisson. Cmo: Aplicando correctamente las frmulas correspondientes, as como tambin las tablas de valores de Poisson. Para qu: A fin de aplicar el modelo de Poisson de tal forma que interprete la solucin de problemas.
32
OBJETIVO
QU 1. Caractersticas del experimento de Bernoulli. 2.1.1 2.2.1 2.2.2 2.3.1 2.3.2 2. Elementos de la distribucin Binomial.
CMO - Actividades en clase. PARA QU Para constatar el nivel de asimilacin, as como la habilidad desarrollada respecto de los - Desarrollo de ejercicios, donde el alumno maneje los conceptos bsicos. 3. Elementos de la distribucin de Poisson. - Exmenes de: relacin de columnas, opcin mltiple, problemas, etc. QU CMO Solucin de problemas de diferentes tipos. PARA QU Para conocer el grado de asimilacin de los conceptos y del desarrollo de habilidades en y para la aplicacin de los mis2. Conocimiento acerca de los parmetros de la distribucin de Poisson. mos en la bsqueda de solucin a diversos problemas, as como para obtener elementos para la acreditacin. y procedimientos conceptos nes. y procedimientos b-sicos de estas distribucio-
UNIDAD 2 EVALUACIN FORMATIVA
EVALUACIN SUMATIVA 1. Conocimiento acerca de los parmetros de la distri2.2.2 2.3.1 bucin Binomial.
33
UNIDAD 3. OBJETIVO:
FUNCIONES PROBABILSTICAS CONTINUAS
El estudiante comprender las caractersticas esenciales de la funcin probabilstica continua, a partir del anlisis de las distribuciones Normal estndar y t-Student, en donde se incluya el clculo e interpretacin de sus parmetros principales (media, desviacin estndar, grado de libertad, etc.), con el propsito de manejar estos modelos como base para la inferencia (deduccin) estadstica.
OBJETIVOS DE OPERACIN 3.1 DISTRIBUCIN NORMAL ESTNDAR (4 hrs.)
Qu: El estudiante comprender la importancia de manejar el modelo matemtico de la distribucin de probabilidad normal estndar. Cmo: A partir de la grfica de la curva de Gauss, asociando la probabilidad de una variable aleatoria normalmente distribuida al rea bajo la curva, apoyndose en el uso de tablas de distribucin normal y calculadoras cientficas. Para qu: Para acceder a los conceptos bsicos necesarios para el anlisis de la inferencia estadstica.
34
3.1.1 VALORES NORMALIZADOS Z Y REA BAJO LA CURVA
FASE 1 INDUCCIN
FASE 3 CONSOLIDACIN
Qu: El estudiante calcular los valores normales de la variable aleatoria lores de probabilidad asociados a stos.
El profesor propondr una serie de ejemplos cotidianos que permitan al estudiante visualizar la aplicacin del modelo de la distribucin normal, as como la necesidad de la normalizacin de valores.
El estudiante aplicar la frmula de transformacin de valores x a
Los estudiantes y el profesor concluirn en plenaria mediante un cuadro o diagrama los diferentes pasos para la
x , adems de los va-
z.
z= x
Cmo: A partir del concepto de rea bajo la curva normal estndar y utilizando las tablas de valores normalizados. Para qu: Pueda resolver problemas de diferente ndole donde se conozcan los parmetros poblacionales media
resolucin de un problema de distribucin normal estndar directo.
Localizar en las tablas de Ejemplo: El tiempo de espera x en cierto banco est distribuido en forma normal, con una media y una desviacin estndar de 3.7 y 1.4 minutos, respectivamente. Calclese la probabilidad de que un cliente tomado al azar tenga que esperar a lo ms 2 minutos. Todo esto en la serie de ejemplos propuesta. rea bajo la curva normal estndar la que corresponde al valor de Se propondrn problemas donde los datos sean rea bajo la curva y valores llegar a valores x .
( )
y desviacin tpica
z.
para
( ) .
35
3.1.2 APROXIMACIN NORMAL A LA
DISTRIBUCIN BINOMIAL Qu: El estudiante establecer la relacin entre la distribucin binomial y la normal estndar. Cmo: A travs de la aproximacin de sus parmetros estadsticos, que permitan compararlos entre s. Para qu: A fin de integrar conceptualmente la relacin que existe entre una distribucin discreta (binomial) y una continua (normal). 3.2 DISTRIBUCIONES MUESTRALES Y
TEOREMA CENTRAL DEL LMITE (4 hrs.) Qu: El estudiante comprender las caractersticas de la distribucin muestral que le permitan verificar el teorema central del lmite. Cmo: A partir de la ejecucin de muestreo simple y del clculo de la media x de una distribucin muestral.
36
Para qu: Observe la variabilidad muestral tanto de la media como de la desviacin estndar.
3.2.1
DISTRIBUCIN MUESTRAL
Qu: El estudiante comprender los elementos bsicos de una distribucin de medias muestrales, a partir de un conjunto de datos tomados de su entorno. Cmo: Utilizando informacin que ellos mismos elaboren bajo la perspectiva de un muestreo mnimo de medias muestrales. Para qu: Pueda analizar con mayor profundidad la utilidad del teorema central del lmite en distribuciones muestrales.
Se sugiere al profesor iniciar el tema proponiendo un experimento como el de lanzar 100 veces un par de dados, a fin de calcular el valor promedio de cada lanzamiento. Lo anterior inducir a los estudiantes a obtener la media de los promedios.
Los estudiantes realizarn el experimento propuesto y registrarn sus resultados en una tabla:
Valores conteo fa fr
El profesor calcula la media de todos los posibles resultados del experimento y construye una distribucin de probabilidad de las medias muestrales. Obtiene conclusiones junto con los estudiantes.
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6) (2,1) (2,2)
etc.
37
3.2.2 EL TEOREMA CENTRAL DEL LMITE
FASE 1 INDUCCIN

Qu: El estudiante observar las caractersticas ms importantes que componen este teorema, as como sus aplicaciones. Cmo: Aplicndolo a diversos problemas donde se consideren poblaciones normalmente distribuidas. Para qu: Para manejar una herramienta ms poderosa en el manejo de los estadsticos propios de la estadstica inferencial.
El profesor propone el experimento de lanzar 5 veces un dado, con el fin de verificar el teorema central del lmite. Que plantea: Si se toman todas las muestras posibles, cada una de tamao n, de una poblacin con media ( ) y desviacin estndar ( ), la distribucin de muestreo de las medias muestrales: 1) Tendrn una media
Los estudiantes registran una tabla de 30 ensayos donde calcular la zamientos. Construyen un histograma y comparan con los valores tericos
Estudiantes y profesor analizan los resultados en plenaria y obtienen conclusiones.
de cada uno,
cada ensayo consta de 5 lan-
= 3.6
x = 0.75
x =
2) Tendrn una desviacin estndar
38
FASE 1 INDUCCIN

3) Ser normal cuando las muestras precedan de una distribucin normal y aproximadamente normal con n = 30.
3.3
DISTRIBUCIN T-STUDENT (3 hrs.)
Qu: El estudiante comprender y manejar los elementos bsicos de la distribucin t- Student. Cmo: Calculando sus parmetros principales apoyndose en las tablas correspondientes. Para qu: Pueda comparar sus caractersticas con las de la distribucin normal estndar y logre identificar cul de ellas aplicar en cada caso.
39
3.3.1 PROPIEDADES DE LA DISTRIBUCIN TSTUDENT Qu: El estudiante comprender e interpretar los parmetros t-Student. Cmo: A fin de que resuelva problemas de inferencia acerca de la media de una poblacin aproximadamente normal. principales de la distribucin
3.3.2
CLCULO
DE
VALORES
DE
UNA
DISTRIBUCIN T-STUDENT Qu: El estudiante calcular los valores correspondientes de una distribucin t-Student. Cmo: Apoyndose en los conceptos anteriores y utilizando para ello las tablas de la distribucin tStudent. Para qu: Construya el concepto de intervalo de confianza y el de hiptesis nula.
FASE 1 INDUCCIN
FASE 3 CONSOLIDACIN
El profesor induce al grupo a utilizar las tablas de la distribucin t-Student, cuando la desviacin estndar poblacional es desconocida y se debe utilizar una estimacin s muestral.
El estudiante relaciona la simbologa utilizada en z con la que se utiliza en t (Gl). Realizar ejemplos tales como: 1. Encontrar el valor
El profesor puntualiza la correcta utilizacin de la tabla tStudent y propone ejercicios adicionales.
t (10, 0, 5 )
40
FASE 1 INDUCCIN

Cantidad en una cola

Gl 1 2 3 . . . 10 t 0.100 t.050 t.0005
1.812
2.
Encontrar el valor
t (15, 0. 95 ) equivalente a:
t (Gl ,0.05)
41
OBJETIVO UNIDAD 3. EVALUACIN FORMATIVA

QU
CMO Instrumentos de opcin mltiple, de relacin de columnas, problemas de dinas, problemas de diversas reas, trabajos extraclase, etc.
PARA QU Para establecer el grado de comprensin y de manejo alcanzado por el estudiante sobre conceptos y/o aplicaciones especficas de las distribuciones vistas.
3.1.1 3.2.1 3.2.2 3.3.1 3.3.2
1. Elementos de la distribucin normal. 2. Parmetros de la distribucin normal estndar. 3. Relacin entre la distribucin binomial y la normal. 4. Conceptualizacin del teorema central del lmite. 5. Elementos de la distribucin t-Student.
42
OBJETIVO
EVALUACIN SUMATIVA
QU 1. Habilidad para calcular valores normalizados rea bajo la curva. 2. Conocimiento acerca de la aplicacin del modelo de la distribucin normal y normal estndar. 3. Conocimiento acerca de la aplicacin del modelo de la distribucin muestral. 4. Habilidad para aplicar e interpretar el teorema central del lmite. 5. Conocimiento de los elementos de la distribucin tStudent. CMO A travs de anlisis y solucin de problemas diversos, de ejercicios, de instrumentos con reactivos de relacin de columnas, de opcin mltiple, etc. PARA QU Para identificar el dominio y comprensin alcanzado por el estudiante sobre los temas abordados.
3.1.1 3.2.2 3.3.2 3.2.2 3.3.3
43
UNIDAD 4. OBJETIVO:
INFERENCIA ESTADSTICA
El estudiante conocer y manejar los conceptos bsicos de la inferencia estadstica de una poblacin, a partir del anlisis de la informacin contenida en una muestra de sta, con la finalidad de alcanzar un nivel mnimo de conocimientos que le permitan realizar deducciones estadsticas.
4.1
PLANTEAMIENTO TADSTICA (6 hrs.)
DE
UNA
HIPTESIS
ES-
Qu: El estudiante comprender las caractersticas esenciales de una hiptesis estadstica, as como el mtodo clsico de contraste. Cmo: A partir del anlisis de problemas que conlleven una decisin estadstica. Para qu: Para que el estudiante desarrolle una metodologa mnima de prueba, que le permita manejar la prueba de hiptesis estadstica e interpretar los tipos de errores (I y II) que se cometen en el proceso.
44
4.1.1 ELEMENTOS ESENCIALES DE LA
PRUEBA DE HIPTESIS Qu: El estudiante conocer los elementos bsicos de una prueba de hiptesis estadstica, tales como de hiptesis nula, hiptesis alternativa, regla de decisin, regla de conclusin, valor y regin crtica. Cmo: A partir del planteamiento de la hiptesis nula (Ho), en una serie de problemas prcticos. Para qu: Maneje los conceptos necesarios para efectuar el proceso de contrastacin de hiptesis.
4.1.2
CONTRASTACIN DE HIPTESIS
El profesor explicar mediante esquemas los cuatro pasos bsicos que se realizan en la contrastacin de una hiptesis.
1.
Los
estudiantes analizarn y formularn
Los estudiantes desarrollarn, con la ayuda del profesor, una serie de ejemplos de contrastacin de hiptesis.
paso a paso el mtodo de contrastacin una serie de preguntas al profesor, el cual contestar y propondr contra-ejemplos.
Qu: El estudiante conocer la naturaleza y los tipos de contrastacin de una hiptesis estadstica.
Formulacin
de
hiptesis
nula (Ho) y alternativas (H1).

2.
Determinacin de criterio, prueba y contraste.
45
3.
Obtencin de los datos muestrales (evidencia). Toma de decisin e in-
Cmo: Estableciendo el procedimiento necesario para plantear y contrastar la hiptesis nula (Ho) de problemas sencillos, donde se apliquen los conceptos bsicos de la prueba de hiptesis.
4.
terpretacin. Posteriormente ejemplo tal como: La oficina de planeacin del C.B. afirma que los estudiantes no recorren ms de 9 kms. para llegar a su plantel. Un investigador decide corroborar dicha afirmacin y para ello toma una muestra al azar de 50 estudiantes y encuentra que estos recorren un promedio de 10.22 km. Es esta evidencia suficiente para rechazar la afirmacin? Prubese la hiptesis con un nivel de significacin una desarrollar un
= 0.05
y con
= 5 Km
46
47
4.2
ESTIMACIN (6 hrs.)
Qu: El estudiante conocer los dos tipos bsicos de estimacin de parmetros poblacionales por intervalo y puntual. Cmo: Calculando los parmetros poblacionales a partir de las relaciones desviacin estndar y media. Para qu: Realice inferencias sobre una poblacin donde se consideren estimadores no sesgados.
x =
x =
para la para la
4.2.1
ESTIMACIN PUNTUAL
Qu: El estudiante estimar la media poblacional de una distribucin normal. Cmo: A partir del clculo de la media muestral
x considerando
puntual insesgado.
a sta como un estimador
48
Para qu: Se observe la nocin de la bondad de la estimacin del parmetro dentro de los lmites posibles de error.
4.2.2 ESTIMACIN POR INTERVALO Qu: El estudiante conocer los conceptos bsicos de la estimacin por intervalo. Cmo: Apoyndose en el teorema central del lmite y en la distribucin muestral cuyos parmetros se conocen. Para qu: Pueda manejar algunos conceptos, tales como, nivel de confianza, intervalo de confianza y error de estimacin mximo.
FASE 1 INDUCCIN
FASE 3 CONSOLIDACIN
El profesor explicar, apoyn- Los estudiantes desarrollarn dose en esquemas, los conjunto con el profesor una serie ceptos elementales: intervalo, de ejemplos entre los cuales nivel de confianza y error de se incluyan: estimacin, entre otros, a fin de que pueda comprender la 1. La estimacin, suponiendo inferencia del intervalo. que se conoce, de una distribucin aproximadamente normal donde se aplique el TCL. 2. La determinacin del tamao de la muestra si se desea dado. una estimacin dentro de un intervalo
Los estudiantes desarrollarn una serie de ejemplos con la ayuda del profesor donde se estime la media ciendo la
cono-
y, posteriormen-
te, plantearn el contraste de la hiptesis.
49
OBJETIVO UNIDAD 4 EVALUACIN FORMATIVA

QU 1. Elementos bsicos de la inferencia estadstica. 2. Determinacin de la hiptesis estadstica. 3. Elementos bsicos de estimacin.
CMO Por medio de trabajos en equipo, ejercicios, preguntas y tareas en clases, etc., segn el criterio del profesor.
PARA QU Para conocer aquellos aspectos que sean necesarios reforzar o corregir.
EVALUACIN SUMATIVA
QU 1. Habilidad para contrastar la hiptesis estadstica. 2. Habilidad para realizar estimaciones por intervalos. 3. Comprensin de los concep-tos de la estimacin estadstica.
CMO A travs de anlisis y de problemas diversos de ejercicios, de instrumentos de relacin de columnas, de opcin mltiple, etc.
PARA QU Para identificar el dominio y comprensin alcanzado por el estudiante sobre los temas abordados.
50
UNIDAD 5. OBJETIVO:
APLICACIONES DE LA INFERENCIA ESTADSTICA
El estudiante conocer dos aplicaciones de la estadstica inferencial: en primer trmino, el muestreo de aceptacin de una distribucin binomial y, en segundo trmino, la elaboracin de un diagrama de control; mediante la simulacin y el anlisis de procesos estocsticos, con el propsito de manejar estas herramientas bsicas del control estadstico de la calidad.
5.1 MUESTREO DE ACEPTACIN (4 hrs.)
Qu: El estudiante elaborar un plan de muestreo estadstico, donde incluya una regla de decisin, que le permita aceptar o rechazar un lote de artculos producidos en lnea. Cmo: A partir de la aplicacin de la distribucin binomial con parmetros n (tamao de la muestra) y
(proporcin de defectos) y del clculo de los errores tipo I y II. Para qu: Integre las herramientas bsicas necesarias de la estadstica inferencial que le permitan tomar una decisin correcta.
51
5.1.1 ELABORACIN DE UN PLAN DE MUESTREO. Qu: El estudiante conocer los elementos esenciales de un plan de muestreo por lotes de un proceso de produccin en lnea. Cmo: Aplicando la distribucin binomial en la simulacin y anlisis de procesos que contengan una cierta proporcin de objetos susceptibles de ser rechazados. Para qu: A fin de utilizar los conceptos bsicos de la estadstica inferencial en la toma de decisiones. 5.1.2 CLCULO DE LOS PARMETROS EN UN MUESTREO DE ACEPTACIN
FASE 1 INDUCCIN
FASE 3 CONSOLIDACIN
El profesor propone el ejemplo Qu: El estudiante comprender la importancia de asociar, por un lado, la probabilidad de error tipo I al riesgo del productor y, por otro, la probabilidad tipo II al riesgo del consumidor en un proceso de aceptacin o rechazo de un cierto lote de artculos. siguiente: Un comprador est de acuerdo con aceptar un lote de 100 cajas de focos de flash fotogrfico bajo el supuesto de que tienen un porcentaje muy bajo de defectuosos.
Los alumnos, con la gua del profesor y organizados en parejas, solucionan el problema planteado y construyen la tabla de decisin (1) y la tabla de aceptacin (2).
El
profesor
explica
otros
ejemplos y profundiza en el concepto de nmero de aceptacin y curva caractersticas de operacin.
52
Cmo: A partir de clculo e interpretacin correcta de los parmetros muestrales de una distribucin binomial, entre ellos el error mximo para una proporcin dada. Para qu: Aplique este tipo de inferencia estadstica a la resolucin de problemas prcticos.
FASE 1 INDUCCIN

Para ello propone al vendedor realizar un muestreo con 12 piezas y decide probar slo 3 de ellas y aceptar las nueve restantes, si las tres funcionan correctamente o rechazar el lote si alguno de tres falla en la prueba. Cual es la probabilidad de aceptar el lote si la muestra contiene 0, 1, 3, 5 6 focos defectuosos? Cul es la probabilidad de rechazar el lote si ste tiene slo 3 focos defectuosos? (1) No. aceptable de piezas defec. El comprador acepta el lote de acuerdo con la prueba. El comprador rechaza el lote de acuerdo con la prueba. No. muy alto de piezas defec.
53

(2) No. de unidades defectuosas
0 1 2 3 4 5 6 7 8
No. de muestras sin unidades defectuosas

220 165 120 84 50 35 20 10
Probabilidad de aceptacin
1.000 0.750 0.545 0.382 0.255 0.159 0.091 0.045 etc.
5.2
DIAGRAMA DE CONTROL (4 hrs.)
Qu: El estudiante conocer y calcular los parmetros incluidos en un diagrama de control. Cmo: A partir de la simulacin y el anlisis de procesos estocsticos de problemas sencillos. Para que: A fin de manejar esta herramienta en el manejo estadstico de la calidad.
54
5.2.1 CARACTERSTICAS DE UN DIAGRAMA DE CONTROL. Qu: El estudiante conocer los elementos de un diagrama de control. Cmo: Por medio del anlisis de casos concretos, aplicados a procesos administrativos de la calidad. Para qu: Interprete la base estadstica que sustenta la elaboracin de diagrama, as como su aplicacin en la administracin total de la calidad.
FASE 1 INDUCCIN
FASE 3 CONSOLIDACIN
5.2.2
CONSTRUCCIN CONTROL.
DEL
DIAGRAMA
DE
El
profesor
desarrolla
un Los estudiantes analizan paso a paso el problema y formulan preguntas de procedimiento y de la aplicacin de las frmulas y la utilizacin de la tabla de factores para construir diagramas de control, elaboran una sntesis de los pasos del mtodo. Los estudiantes desarrollan ejemplos de aplicacin realizan una investigacin de las aplicaciones de los diagramas de control en la administracin.
ejemplo como: Se fabrican anillos de pistn para motor de automvil mediante un proceso de forjado. Se desea controlar ste por medio de diagramas de control de x y
Qu: El estudiante construir un diagrama de control de un proceso. Cmo: Calculando y observando los parmetros necesarios, tales como lmite superior, lmite inferior, regin de operacin de control, etc.
55
Para qu: A fin de aplicar este modelo estadstico, al anlisis de problemas de decisin en la administracin total de la calidad.
FASE 1 INDUCCIN

Se tomaron 10 muestras de 5 anillos cada una y se obtuvieron los datos de la tabla (1). Construye los diagramas de control de x y Montgomery, Douglas C. Consultar:
R y se calcu-
Control estadstico de la calidad. Iberoamrica, pgs. 85101 y 151-164
lan los lmites inferior de calidad (LIC) y superior de calidad (LSC).
TABLA (1) Datos acerca de los anillos de pistn forjado

NMERO DE MUESTRA 1 2 3 4 5 6 7 8 9 10
xi
74.030 73.995 74.988 74.002 73.992 74.009 73.995 73.985 74.008 73.998 74.002 73.992 74.024 73.993 74.004 73.993 74.006 74.003 73.995 74.000 74.019 74.001 74.021 74.015 74.015 73.997 73.994 73.993 74.009 73.990 73.992 74.011 74.005 74.009 73.989 73.997 74.000 74.015 74.005 74.007 74.008 74.004 74.002 74.009 74.014 73.993 74.005 73.988 74.004 73.995 74.010 74.001 74.008 74.009 74.009 73.996 74.000 73.997 74.004 73.998
Ri
0.038 0.019 0.096 0.022 0.026 0.024 0.012 0.030 0.014 0.017
Frmulas para el diagrama R: n = 5
m = it
56
R = Ri
i =i m
LCS = RD3
LSC = R D4
Factores: D3, D4 y A2 de tablas para construir diagramas de control.
Frmulas para el diagrama x :
x = xi
i =i m
LSC = x + A2 R LSC = x A2 R
57
OBJETIVO
UNIDAD 5 EVALUACIN FORMATIVA
QU 1. Comprensin de los elementos bsicos del muestreo de aceptacin. 2. Habilidad para elaborar un plan de muestreo bsico. 3. Habilidad para calcular los errores tipo I y II durante muestreo de aceptacin. 4. Conocimiento de los elementos bsicos de un diagrama de control y sus aplicaciones.
CMO
PARA QU
EVALUACIN SUMATIVA
QU 1. Habilidad para construir e interpretar un diagrama de control tipo x y R
CMO Por medio del clculo de los parmetros involucrados, anlisis de casos especficos y la aplicacin e interpretacin del procedimiento concreto en problemas resueltos, ya sea en equipo o individualmente.
PARA QU Para conocer si el estudiante tiene el dominio del procedimiento y la habilidad para aplicarlo en problemas de diferentes reas
58
BIBLIOGRAFA
JOHNSON, ROBERT. Estadstica Elemental. Iberoamrica, Mxico, 1990. Este libro apoya el 90% del curso de una manera muy accesible para estudiantes y profesores (unidades I, II, III y IV). CHOU, LINCOLN. Introduccin a la Estadstica. CECSA, Mxico, 1987. La obra cubre el 90% de los temas curso desde un enfoque didctico acorde con los objetivos del curso (unidades I, II, III y IV). MENDENHALL, WILLIAM. Introduccin a la Probabilidad y Estadstica. Iberoamrica, Mxico, 1987. Este libro incluye problemas y ejercicios de actualidad que apoyan el tratamiento de los temas del curso, es congruente con el enfoque del programa, cubre el 90% del curso (unidades I, II, III, IV, y V). WILLOUGHBY, STEPHAN S. Probabilidad y Estadstica. Publicaciones Cultural, Mxico, 1984. Esta obra ofrece a los estudiantes un enfoque muy sencillo para comprender los temas bsicos de las Unidades I, II, III y IV incluye ejemplos y ejercicios interesantes cubre 80% del curso. FREUD, JOHN E. Estadstica. Prentice Hall Hispanoamericana, Mxico, 1988. Esta obra es muy recomendable por la claridad con la que aborda los temas, adems de los ejemplos y ejercicios donde pone especial inters en el uso de calculadores y computadora personal, su seccin de recapitulacin y repaso lo hacen ms valioso, cubre 90% del curso (unidades I, II, III, IV y V). SPIEGEL, MURRAY R. Estadstica. McGraw-Hill, Mxico, 1970. Serie Shaum. La utilidad de este compendio radica en la explicacin inmediata de los conceptos a los ejercicios de aplicacin. Se recomienda para reforzar el aprendizaje de los temas de las unidades I, II, III y IV.
59
LA ELABORACIN DE ESTE PROGRAMA, QUE SISTEMATIZA E INTEGRA LAS APORTACIONES DE NUMEROSOS MAESTROS, ESTUVO A CARGO DE LA SIGUIENTE COMISIN:
Elaboradores: ING. JUAN ZUIGA CONTRERAS ING. ALEJANDRO ROSAS SNELL
Revisin tcnica: ING. IGNACIO PIA MILLN LIC. JOS SNCHEZ VARGAS LIC. ROSA MA. SALGADO MEDINA
Asesora externa: M. EN C. PATRICIA BALDERAS CANAS
CAPTURA Y EDICIN: ALICIA BARRAGN SANTIAGO ROSARIO ALARCN HERNNDEZ DADC 2004
60

Est Ad Is Tic A

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Est Ad Is Tic A

Enviado por

Direitos autorais:

Formatos disponíveis

PROGRAMA DE LA ASIGNATURA

ESTADSTICA DESCRIPTIVA E INFERENCIAL II

CLAVE: CRDITOS: HORAS:

Ver cuadro No. 1 Ver cuadro No. 2

CLCULO DIFERENCIAL E INTEGRAL

ESTADSTICA DESCRIPTIVA E INFERENCIAL

REA DE FORMACIN BSICA

REA DE FORMACIN ESPECFICA

MATERIA DE MATEMTICAS ASIGNATURAS I, II, III y IV

CAMPO DE CONOCIMIENTO DE MATEMTICAS

ESTADSTICA DESCRIPTIVA E INFERENCIAL I MATEMTICAS I, II, III y IV CLCULO DIFERENCIAL E INTEGRAL I y II

ESTADSTICA DESCRIPTIVA E INFERENCIAL II

RELACIONES DE SERVICIO DE ESTADSTICA DESCRIPTIVA E INFERENCIAL II

Taller de Lectura y Redaccin Matemticas

Ciencias Naturales y Ciencias Sociales

ORGANIZACIN DE LOS CONTENIDOS ASPECTOS Nociones: Sencillos Concretos Conocidos Intuitivos

Lograr el aprendizaje ASPECTOS Conceptos: Complejos Abstractos Desconocidos Formales

Carga horaria: 9 horas

ESTRATEGIAS DIDCTICAS SUGERIDAS

ESTRATEGIAS DIDCTICAS SUGERIDAS

ESTRATEGIAS DIDCTICAS SUGERIDAS

ESTRATEGIAS DIDCTICAS SUGERIDAS

ESTRATEGIAS DIDCTICAS SUGERIDAS

FUNCIN DE DISTRIBUCIN ACUMULADA

ESTRATEGIAS DIDCTICAS SUGERIDAS

El profesor define el concepto de valor esperado y lo asociar a la media de la variable.

ESTRATEGIAS DIDCTICAS SUGERIDAS

(+ ,,,, potenciaci n y radicacin )

FUNCIONES PROBABILSTICAS DISCRETAS

Carga horaria: 9 horas

ESTRATEGIAS DIDCTICAS SUGERIDAS

CARACTERSTICAS DEL EXPERIMENTO DE BERNOULLI

Qu: El estudiante conocer las caractersticas de los ensayos de Bernoulli.

ESTRATEGIAS DIDCTICAS SUGERIDAS

LA DISTRIBUCIN BINOMIAL (4 hrs.)

( ) , utilizando para ello tanto las tablas de

ESTRATEGIAS DIDCTICAS SUGERIDAS

ESTRATEGIAS DIDCTICAS SUGERIDAS

DISTRIBUCIN DE POISSON (3 hrs.)

varianza ( a ) y desviacin estndar

ESTRATEGIAS DIDCTICAS SUGERIDAS

UNIDAD 2 EVALUACIN FORMATIVA

FUNCIONES PROBABILSTICAS CONTINUAS

Carga horaria: 11 horas

OBJETIVOS DE OPERACIN 3.1 DISTRIBUCIN NORMAL ESTNDAR (4 hrs.)

ESTRATEGIAS DIDCTICAS SUGERIDAS

ESTRATEGIAS DIDCTICAS SUGERIDAS

El estudiante aplicar la frmula de transformacin de valores x a

x , adems de los va-

resolucin de un problema de distribucin normal estndar directo.

ESTRATEGIAS DIDCTICAS SUGERIDAS

ESTRATEGIAS DIDCTICAS SUGERIDAS

(1,1) (1,2) (1,3) (1,4) (1,5) (1,6) (2,1) (2,2)

ESTRATEGIAS DIDCTICAS SUGERIDAS

Estudiantes y profesor analizan los resultados en plenaria y obtienen conclusiones.

cada ensayo consta de 5 lan-

2) Tendrn una desviacin estndar

ESTRATEGIAS DIDCTICAS SUGERIDAS

DISTRIBUCIN T-STUDENT (3 hrs.)

ESTRATEGIAS DIDCTICAS SUGERIDAS

El profesor puntualiza la correcta utilizacin de la tabla tStudent y propone ejercicios adicionales.

ESTRATEGIAS DIDCTICAS SUGERIDAS

Cantidad en una cola