Está en la página 1de 7

UNIVERSIDAD DISTRITAL FRANCISCO JOS DE CALDAS

F ACULTAD DE INGENIER I A
SYLLABUS (2011)
PROYECTO CURRICULAR: Ingeniera Catastral y Geodesia

NOMBRE DEL DOCENTE:

DOCENTES DE ESTADSTICA - INGENIERA CATASTRAL Y

GEODESIA
ESPACIO ACADMICO (Asignatura):

Estadstica

Obligatorio ( x ) : Bsico ( x ) Complementario ( )


Electivo (

) : Intrnsecas ( ) Extrnsecas (

NUMERO DE ESTUDIANTES:

CDIGO:
26420 (cdigo pre-crditos)
324 (cdigo crditos)

GRUPO:
NMERO DE CREDITOS: Dos (2)

TIPO DE CURSO:

TERICO

PRACTICO

Alternativas metodolgicas:
Clase Magistral ( X), Seminario (
), Seminario Taller (
Proyectos tutoriados ( X ), Otro: _____________________

TEO-PRAC:
), Taller ( X ), Prcticas (

HORARIO:
DIA

HORA

SALON

I. JUSTIFICACIN DEL ESPACIO ACADMICO


Contribucin a la formacin:
Estadstica es una asignatura que se encuentra en el ncleo bsico, de carcter obligatorio,
ubicada en el rea de Ciencias Bsicas del Proyecto Curricular de Ingeniera Catastral y
Geodesia. Los fundamentos estadsticos proporcionan al estudiante los elementos necesarios
para analizar, procesar y sacar conclusiones a partir de la informacin de los datos propios de
la formacin del Ingeniero Catastral.
Puntos de apoyo para otras asignaturas:

Herramienta fundamental para Econometra.

),

Herramienta fundamental para Procesamiento digital de imgenes.


Herramienta fundamental para Ajustes Geodsicos.

Requisitos previos:
Se pide que el estudiante haya cursado clculo diferencial e integral, y lgebra lineal.
Tambin se pide que el estudiante se apropie de los conceptos bsicos en relacin con
diferenciacin e integracin en dos dimensiones.
II. PROGRAMACION DEL CONTENIDO
OBJETIVO GENERAL
Proporcionar al estudiante conocimientos bsicos de la Estadstica, que le permitan entender
ciertos procedimientos aplicados en el aprendizaje o ejercicio profesional.
OBJETIVOS ESPECFICOS
1. Aplicar las tcnicas estadsticas a la recoleccin, organizacin, presentacin, anlisis e
interpretacin de la informacin recopilada en una muestra.
2. Formular y probar hiptesis para inferir con respecto a la poblacin en estudio.

3. Estimar e interpretar modelos estadsticos.


COMPETENCIAS DE FORMACIN:
Contexto: Aunque es una asignatura propia del rea de ciencias, se espera promover la
autocrtica del conocimiento que se va a adquirir y la crtica del conocimiento en torno a la
comunidad acadmica al que pertenece el estudiante.
Bsicas: Se espera que el estudiante, a travs del curso, como mnimo fomente y desarrolle la
capacidad de interpretar mtodos y metodologas estadsticas bsicas; la argumentacin usando
principios y desarrollos estadsticos, as como la capacidad de proponer problemas y soluciones
basados en pensamiento estadstico.
Laborales: Se espera que el estudiante se apropie del conocimiento bsico y de las
metodologas propias de la Estadstica para comprender, analizar y abordar problemas en su
formacin y ejercicio profesional como Ingeniero Catastral y Geodesta.

PROGRAMA SINTTICO:
1. Vectores aleatorios y distribuciones multivariantes
1.1.
Repaso de conceptos de vectores y matrices
1.2.
Vectores aleatorios y distribuciones conjuntas
1.3.
Distribuciones multinomial y normal multivariada
1.4.
Distribuciones de probabilidad marginal y condicional
1.5.
Variables aleatorias independientes
1.6.
Vector de medias, matrices de covarianza y correlacin

1.7.

Conceptos fundamentales de procesos estocsticos

2. Introduccin. Distribuciones muestrales y el Teorema del Lmite Central


2.1.
Revisin de conceptos fundamentales de estadstica descriptiva y exploratoria
2.2.
Valor esperado y varianza de funciones lineales de variables aleatorias
2.3.
Funciones de variables aleatorias
2.4.
Distribuciones muestrales
2.5.
Teorema del Lmite Central
2.6.
Estimacin puntual de parmetros
2.7.
Propiedades de los estimadores
3. Inferencia estadstica
3.1.
Estimacin por intervalo bajo normalidad
3.2.
Problemas de una muestra
3.3.
Problemas de dos muestras
3.4.
Juzgamiento de hiptesis estadsticas. Definicin y propiedades
3.5.
Pruebas bajo normalidad. Problemas de una y dos muestras
3.6.
Inferencia estadstica no paramtrica y Bayesiana.
4. Modelos de regresin lineal y Anlisis de Varianza
4.1.
Modelos de regresin lineal simple y mltiple
4.2.
Inferencia estadstica sobre el modelo
4.3.
Evaluacin de supuestos del modelo de regresin
4.4.
Variables explicativas cualitativas
4.5.
Anlisis de varianza para modelos a una y dos vas de clasificacin

III. ESTRATEGIAS
Metodologa Pedaggica y Didctica:
La asignatura es de carcter terico, por lo cual el desarrollo de los contenidos se llevar a cabo por
medio de sesiones magistrales y algunas prcticas en aulas de informtica. La primera parte tendr
una motivacin del tema a partir de ejemplos donde se destaque su relevancia, paso seguido se
brindaran los lineamientos tericos as como la base matemtica mnima que justifican los
conceptos. Los estudiantes desarrollarn talleres de ejercicios donde apliquen los conocimientos
adquiridos.

Horas

Tipo de
Curso
Asignatura

TD TC

Horas
Lectivas/s
em

Horas
Estud.te/sem

Total Horas
Estud.te/sem

TA

(TD + TC)

(TD + TC +TA)

X 16 semanas

96

Crditos

Trabajo Directo (TD): Se desarrollar por parte del docente en clase presencial los
contenidos mnimos del curso.

Trabajo Colaborativo (TC): Se desarrollarn semanalmente 4 horas de clase alrededor de las


temticas trabajadas en la semana. En este espacio se espera que el docente oriente a los
estudiantes en el desarrollo de su proyecto, resolviendo dudas, planteando inquietudes entorno
a la temtica del proyecto.
Trabajo Autnomo (TA): Trabajo del estudiante sin presencia del docente, que se puede
realizar en distintas instancias: en grupos de trabajo o en forma individual, en casa o en
biblioteca, laboratorio, etc.)
IV. RECURSOS
Medios y Ayudas:
Aula normal con tablero para sesiones de ctedra y para sesiones de discusin.
Salas de computacin, con un computador por alumno, para las sesiones de laboratorio; cada
equipo debe contar con herramientas de MS Office (Word, Excel, PowerPoint), visor de
documentos Acrobat Reader, el programa estadstico R con los paquetes completos.
Acceso fuera de clases a laboratorios de computacin que cuenten con los programas
mencionados anteriormente.
Acceso al material bibliogrfico recomendado.
BIBLIOGRAFA
TEXTOS Guas
[1] Canavos, G. C. (1988), Probabilidad y estadstica: aplicaciones y mtodos, Mc Graw Hill.
[2] Montgomery, D. C. y Runger, G. C. (2008), Probabilidad y Estadstica: aplicadas a la ingeniera,
Limusa Wiley.
[3] Ross, S. M. (2004), Introduction to Probability and Statistics for Engineers and Scientists, ELSEVIER
Academic Press.

TEXTOS COMPLEMENTARIOS
[1] Acua, E. (2008), Anlisis de regression, Universidad de Puerto Rico. Departamento de Matemticas.
[2] Blanco, L. (2004), Probabilidad, Bogot: Universidad Nacional de Colombia. Facultad de Ciencias.
[3] Cepeda, E. (2008), Notas de clase: Estadstica matemtica, Bogot: Universidad Nacional de
Colombia. Facultad de
Ciencias.
[4] Daz, L. G. (2007), Estadstica multivariada: inferencia y mtodos, Bogot: Universidad Nacional de
Colombia.
Facultad de Ciencias.
[5] Daz, L. G. y Morales, M. A. (2009), Anlisis estadstico de datos categricos, Bogot: Universidad
Nacional de
Colombia. Facultad de Ciencias.
[6] Levine, D. M., Krehbiel, T. C. y Berenson, M. L. (2006), Estadstica para administracin, Prentice
Hall.
[7] Mayorga, J. H. (2004), Inferencia estadstica, Bogot: Universidad Nacional de Colombia. Facultad
de Ciencias.
[8] Montgomery, D. C. (2002), Introduccin al anlisis de regresin lineal, Compaa Editorial
Continental.
[9] Novales, A. (1997), Estadstica y econometra, Mc Graw Hill.
[10] Pea, D. (1986), Estadstica: modelos y mtodos, Vol. 1, Alianza Editorial.
[11] Pea, D. (1986), Estadstica: modelos y mtodos, Vol. 2, Alianza Editorial.

[12] Pea, D. (2001), Fundamentos de Estadstica, Alianza Editorial.


[13] Pea, D. (2002), Anlisis de datos multivariantes, Mc Graw Hill.
[14] Soto, O. F. (2002), Notas de clase: Fundamentos conceptuales de estadstica, Bogot: Universidad
Nacional
De Colombia. Facultad de Ciencias.
[15] Wackerly, D., Mendehall, W. y Scheaffer, R. L. (2002), Estadstica Matemtica con Aplicaciones,
Grupo
Editorial Iberoamrica.
[16] Walpole, R. E., Myers, R. H., Myers, S. L. y Ye, K. (2007), Probabilidad y Estadstica para ingeniera
y
ciencias, Prentice Hall.

DIRECCIONES DE INTERNET
http://www.fisicarecreativa.com/sitios_vinculos/ciencia/statistics.htm
http://www.math.uah.edu/stat/
http://www.ruf.rice.edu/~lane/stat_sim/sampling_dist/index.html
http://www.coventry.ac.uk/ec/~nhunt/oatbran/

V. ORGANIZACIN / TIEMPOS

Temas

Semana
1

10

11

12

13

14

15

Vectores aleatorios y distribuciones


multivariantes
Repaso de conceptos de vectores y matrices
Vectores aleatorios y distribuciones conjuntas
Distribuciones
multinomial
y
normal
multivariada
Distribuciones de probabilidad marginal y
condicional
Variables aleatorias independientes
Vector de medias, matrices de covarianza y
correlacin
Conceptos fundamentales de procesos
estocsticos
Parcial 1
Revisin de conceptos de estadstica
descriptiva y exploratoria
Valor esperado y varianza de funciones
lineales de variables aleatorias
Funciones de variables aleatorias
Distribuciones muestrales
Teorema del Lmite Central
Estimacin puntual de parmetros
Propiedades de los estimadores
Parcial 2
Inferencia estadstica
Estimacin por intervalo bajo normalidad
Problemas de una muestra
Problemas de dos muestras
Juzgamiento de hiptesis estadsticas.
Definicin y propiedades
Pruebas bajo normalidad. Problemas de una y
dos muestras
Inferencia estadstica no paramtrica y
Bayesiana
Parcial 3
Modelos de regresin lineal y Anlisis de
Varianza
Modelos de regresin lineal simple y mltiple
Inferencia estadstica sobre el modelo
Evaluacin de supuestos del modelo de
regresin
Variables explicativas cualitativas
Anlisis de varianza para modelos a una y
dos vas de clasificacin
Parcial 4

VI. EVALUACIN
ASPECTOS A EVALUAR DEL CURSO
1.
Evaluacin del desempeo docente
2.
Evaluacin de los aprendizajes de los estudiantes en sus dimensiones: individual/grupo,
terica/prctica, oral/escrita.
3.
Autoevaluacin.
4.
Coevaluacin del curso: de forma oral entre estudiantes y docente

16

NOTAS
PRIMERA NOTA
SEGUNDA NOTA
TERCERA NOTA
CUARTA NOTA
QUINTA NOTA

TIPO DE EVALUACIN
Parcial 1
Parcial 2
Parcial 3
Parcial 4
Examen final

FECHA
Semana 4
Semana 8
Semana 12
Semana 15
Semana 17

PORCENTAJE
17%
18%
17%
18%
30%

DATOS DEL DOCENTE:


NOMBRE :
PREGRADO :
POSTGRADO :
E-MAIL:
FIRMA DEL DOCENTE: _________________________________
FECHA DE ENTREGA: ____________________

También podría gustarte