Está en la página 1de 7

1

UNIVERSIDAD NACIONAL DE SAN AGUSTIN DE AREQUIPA


VICE RECTORADO ACADEMICO
FACULTAD : INGENIERÍA DE PROCESOS
DEPARTAMENTO ACADEMICO DE INGENIERÍA METALURGICA E INGENIERIA
AMBIENTAL
SILABO 2016 A

CURSO: Métodos Estadísticos

I. DATOS GENERALES

Periodo académico: 2016-A


Escuela profesional: Ingeniería Ambiental
Código del curso: 09022117
Nombre del curso: Estadística Aplicada
Semestre: III
Características: Semestral
Duración: 17 Semanas
Número de horas Teóricas: 2
(Semanal) Teórico-Prácticas: 2
Practicas: 2
Seminario: -
Número de Créditos: 4
Prerrequisitos: Sin pre-requisito

II. DATOS ADMINISTRATIVOS

PROFESOR: Luis Alvarez Soto


GRADO ACADEMICO: Bachiller en Ingeniería Metalúrgica , Ingeniero Metalurgista
DEPARTAMENTO ACADÉMICO: Ingeniería Metalúrgica e Ingeniería Ambiental
Lunes Martes Miércoles Jueves Viernes
HORARIO
Total Semanal: 11-13 hr.T(A)
16-18 hr.TP(B) 07-09 hr.TP(A)
8 Hrs. 15-17 hr.T(B)

AULA: 402 402 402

PROFESOR: Ing. Guido Quispe Ampuero


2

GRADO ACADEMICO: Bachiller en Ingeniería Metalúrgica , Ingeniero Metalurgista


DEPARTAMENTO ACADÉMICO: Ingeniería Metalúrgica e Ingeniería Ambiental
HORARIO Lunes Martes Miércoles Jueves Viernes
Total Semanal: 07 - 09 hr.G3
8 Hrs. 09 - 11 hr.G4
Edif. A. Raymondi
AULA:
Aula 403
PROFESOR: Ing. Roberto Huamani Bernal
GRADO ACADEMICO: Bachiller en Ingeniería Metalúrgica , Ingeniero Metalurgista
DEPARTAMENTO ACADÉMICO: Ingeniería Metalúrgica e Ingeniería Ambiental
HORARIO Lunes Martes Miércoles Jueves Viernes
Total Semanal: 13 - 15 hr.G1
8 Hrs. 15 - 17 hr.G2
Edif. A. Raymondi
AULA:
Aula 403
III. FUNDAMENTACION
La asignatura propone establecer una base sólida para la toma de decisiones, en relación a la evaluación de procesos
de Ingeniería, con la herramienta básica de técnicas estadísticas y de diseño experimental.

Además complementa las técnicas de estudio, para poder validar temas de investigación, desarrollo, calidad,
optimización de proceso, etc.

IV. COMPETENCIAS DEL CURSO

Aplica conceptos básicos de las técnicas estadísticas en la representación y análisis de datos, de contextos
ambientales

Contrasta datos por inferencia estadística, como herramienta básica para la toma de decisiones en el ámbito de
problemas medioambientales.

Examina e identifica las variables de significancia en los procesos ambientales en base a datos muestrales, con el
fin de proponer mejoras ambientales en dichos procesos

V. SUMILLA DEL CURSO POR COMPETENCIAS


Principios de la metodología de la investigación. Representación de datos medidas de centralización y dispersión –
Teoría de la Probabilidades – Estadística Descriptiva (distribución normal de muestra, intervalos de confianza,
distribución F) – Pruebas de hipótesis estadística – Teoría del muestreo – Análisis de regresión –Diseño de
experimentos con un solo factor –Diseño de experimentos con dos o más factores—Modelos de optimización

VI. CONTENIDO TEMATICO POR COMPETENCIAS


Temas CONCEPTUAL PROCEDIMENTAL ACTITUDINAL
3

1 Representación de datos, Recopila, diagrama e ilustra los Participa y muestra interés,


Gráficos. Organización y datos para presentar entusiasmo responsabilidad
reporte de datos. Tablas información, en forma de tablas y formulando preguntas, y resolviendo
diagramas circulares, de los trabajos que se dejan para
gráficos.
barras, consolidar los conocimientos
2 Distribución de frecuencias Recopila, diagrama e ilustra los Participa y muestra interés,
Histogramas, Series de datos para presentar entusiasmo responsabilidad
tiempo, cartas de control, información, en forma de tablas y formulando preguntas, y resolviendo
Diagramas de caja, asimetría y los trabajos que se dejan para
gráficos.
curtosis consolidar los conocimientos

3 Medidas de centralización: Aplica conocimientos de la Participa y muestra interés,


Promedio, datos agrupados, estadística, para calcular entusiasmo responsabilidad
geométrica, armónica, medidas, de centralización de formulando preguntas, y resolviendo
mediana, moda, cuartiles, los trabajos que se dejan para
una colección de datos y los
percentiles consolidar los conocimientos
contrasta.
4 Medidas de dispersión: Aplica conocimientos de la Participa y muestra interés,
Variabilidad, rango Varianza y estadística, para calcular entusiasmo responsabilidad
desviación estándar, medidas, de dispersión de una formulando preguntas, y resolviendo
los trabajos que se dejan para
coeficiente variación colección de datos y los
consolidar los conocimientos
contrasta.
5 Probabilidades: Espacio de Usa los conocimientos de Participa y muestra interés,
muestras permutaciones, estadística para calcular e entusiasmo responsabilidad
combinaciones fenómenos interpretar la probabilidad de formulando preguntas, y resolviendo
los trabajos que se dejan para
aleatorios. Probabilidades sucesos, y forma la base de la
consolidar los conocimientos
inferencia estadística
6 Variables aleatorias continuas: Desarrolla y opera datos en Participa y muestra interés,
Distribución normal, función de distribuciones entusiasmo responsabilidad
Distribución de muestra, continuas con muestras formulando preguntas, y resolviendo
distribución del promedio de representativas los trabajos que se dejan para
muestra .Tamaño de muestra. consolidar los conocimientos
7 Intervalos de confianza para: Opera y contrasta por inferencia Participa y muestra interés,
promedio, para diferencias, estadística, para estimar entusiasmo responsabilidad
grandes muestras , pequeñas intervalos de confianza de una formulando preguntas, y resolviendo
muestras , población, a partir de muestras los trabajos que se dejan para
representativas consolidar los conocimientos
8 Intervalos de confianza para: Opera y contrasta por inferencia Participa y muestra interés,
Desviación estándar chi estadística, para estimar entusiasmo responsabilidad
cuadrado , y varianza intervalos de confianza de una formulando preguntas, y resolviendo
población, a partir de muestras los trabajos que se dejan para
representativas consolidar los conocimientos
9 Pruebas de Hipótesis: Opera y contrasta por inferencia Participa y muestra interés,
Referente a promedio, estadística, para validar entusiasmo responsabilidad
grandes muestras, pequeñas propuestas de una población, a formulando preguntas, y resolviendo
partir de muestras los trabajos que se dejan para
muestras, diferencia de
representativas consolidar los conocimientos
promedio, varianza conocida,
y desconocida.
10 Pruebas de Hipótesis:, Opera y contrasta por inferencia Participa y muestra interés,
Comparación por pares , de la estadística, para validar entusiasmo responsabilidad
desviación estándar y varianza propuestas de una población, a formulando preguntas, y resolviendo
partir de muestras los trabajos que se dejan para
representativas consolidar los conocimientos
11 Teoría del muestreo: Bases Adapta e infiere datos de muestra Participa y muestra interés,
para el muestreo , problema y representativa para su entusiasmo responsabilidad
probabilidad de muestreo generalización formulando preguntas, y resolviendo
4

los trabajos que se dejan para


consolidar los conocimientos
12 Teoría del muestreo: Recoge y clasifica datos Participa y muestra interés,
muestrales para forma entusiasmo responsabilidad
Prueba de normalidad paramétrica formulando preguntas, y resolviendo
los trabajos que se dejan para
consolidar los conocimientos
13 Análisis de regresión: Simple Aplica los conocimientos Participa y muestra interés,
Métodos de mínimos estadísticos y determina la entusiasmo responsabilidad
cuadrados y valores relación (modelo) entre una o formulando preguntas, y resolviendo
los trabajos que se dejan para
residuales. Pruebas de varias variables, y contrasta su
consolidar los conocimientos
hipótesis a la regresión, validez.
análisis de la varianza,
Pruebas F,
14 Análisis de regresión Aplica los conocimientos Participa y muestra interés,
Evaluación de la adecuación estadísticos y determina la entusiasmo responsabilidad
del modelo Transformaciones relación (modelo) entre una o formulando preguntas, y resolviendo
los trabajos que se dejan para
que llevan a una línea recta. varias variables, y contrasta su
consolidar los conocimientos
Modelos de regresión no validez.
lineales. Polinomiales
15 Diseño Experimentales con un Examina, e identifica la variable Participa y muestra interés,
factor. Tipos de de significación estadística en un entusiasmo responsabilidad
Experimentación Aplicaciones proceso operativo, y formula formulando preguntas, y resolviendo
los trabajos que se dejan para
y Clasificación de los diseños modelos numéricos para explicar
consolidar los conocimientos
experimentales Experimentos su interrelación.
con un solos factor.
Procedimientos de
comparación múltiple
16 Diseño Experimental dos o Examina, e identifica las Participa y muestra interés,
más Factores Diseño factorial variables (dependientes, e entusiasmo responsabilidad
2k , selección de factores, independientes) de significación formulando preguntas, y resolviendo
los trabajos que se dejan para
tratamiento de datos Análisis estadística en un proceso
consolidar los conocimientos
gráfico, verificación de modelo. operativo, y formula modelos
Análisis de residuos numéricos para explicar su
Decodificación del modelo a interrelación.
escala natural, diseños
factoriales fraccionados en dos
niveles

VII. ESTRATEGIAS DE ENSEÑANZA

Clase magistral: Clases Dinámicas con participación del Alumno y Resolución de casos problema
tutoriales con diferentes herramientas de operación y paquetes de software
especializado.

Prácticas de Gabinete Resolución de problemas y casos mediante paquetes de software especializado.

VIII. CRONOGRAMA ACADEMICO TEORICO Y TEORICO-PRACTICO


5

PRIMERA FASE :Capítulo I : Representación de datos Horas. Avance Fecha


1 Introducción, representación de datos, Gráficos 2 3.03 16-04-04
2 Organización y reporte de datos. Tablas diagramas circulares de barras, 2 6.06 16-04-08
distribución de frecuencias.
3 Histogramas, Series de tiempo, cartas de control 2 9.09 16-04-11
Capítulo 2 : Medidas de centralización y dispersión
4 Promedio, datos agrupados , geometría armónica , mediana 2 12.12 16-04-15
5 Datos agrupados, moda, datos agrupados cuartiles, percentiles. 2 15.15 16-04-18
6 Variabilidad, rango 2 18.28 16-04-22
7 Varianza y desviación estándar 2 21.21 16-04-25
8 Diagramas de caja, asimetría y curtosis 2 24.24 16-04-29
Capítulo 3: Probabilidades
9 Espacio de muestras permutaciones, combinaciones fenómenos 2 27.27 16-05-02
aleatorios
10 Probabilidad. 2 30.3 16-05-06
SEGUNDA FASE Capítulo 4: Variables aleatorias continuas
11 Variable aleatoria , la distribución normal 2 33.33 16-05-09
12 Distribución de muestra, distribución del promedio de muestra, intervalos 2 35.36 16-05-13
de confianza para promedios.
13 Tamaño de muestra intervalos de confianza para diferencias pequeña 2 37.40 16-05-16
muestras
14 Intervalos de confianza pequeñas muestras 2 39.39 16-05-20
15 Intervalos Chi cuadrado , intervalos de confianza para la varianza, 2 42.42 16-05-23
Capítulo 5 : Pruebas de Hipótesis
16 Definición y nivel de significación 2 45.07 16-05-27
17 Hipótesis referente a la medida, grandes muestras 2 47.72 16-05-30
18 Hipótesis referente a la media, pequeñas muestras, 2 50.37 16-06-03
19 hipótesis referente a la media independiente grandes muestras 2 53.02 16-06-06
20 Comparación por pares , hipótesis referente a la varianza 2 55.67 16-06-10
Capítulo 6 : Teoría del muestreo
21 Bases para el muestreo , problema y probabilidad de muestreo , prueba 2 58.32 16-06-13
de normalidad
22 Tamaño de muestra 2 60.697 16-06-17
TERCERA FASE Capítulo 7 : Análisis de regresión
23 Introducción y regresión simple 2 63.63 16-06-20
24 Métodos de mínimos cuadrados y valores residuales. Pruebas de 2 66.66 16-06-24
hipótesis a la regresión, análisis de la varianza, Pruebas F
25 Evaluación de la adecuación del modelo 2 69.69 16-06-27
26 Transformaciones que llevan a una línea recta modelos de regresión 2 72.72 16-07-01
polinomiales
Capítulo 8 : Diseño Experimentales con un factor
27 Generalidades. Tipos de Experimentación. Aplicaciones de los diseños 2 75.75 16-07-04
experimentales
28 Clasificación de los diseños experimentales 2 81.82 16-07-08
29 Experimentos con un solo factor. Procedimientos de comparación múltiple 2 84.85 16-07-11
Capítulo 9 : Diseño Experimental dos o más Factores
30 Diseño factorial 2k , selección de factores, tratamiento de datos 2 90.91 16-07-15
31 Análisis gráfico, verificación de modelo. Análisis de residuos 2 93.94 16-07-18
32 Decodificación del modelo a escala natural, diseños factoriales 2 100.00 16-07-22
fraccionados en dos niveles
6

Relación de Temas de Practicas : Métodos Estadísticos


Nº TEMA Grupos Lugar Avance
Representación de Gráficos y Tablas. A. Raymondi
1 G1,G2,G3,G4 6%
Histograma Aula 403
Estadística Descriptiva. Medidas A. Raymondi
2 centralización. Promedio , mediana G1,G2,G3,G4 Aula 403 7%
cuartiles, percentiles
Medidas de dispersión: desviación
A. Raymondi
3 estándar, varianza, coeficiente de G1,G2,G3,G4 6%
Aula 403
variabilidad, rango. etc
Distribución continua Normal: prueba de A. Raymondi
4 G1,G2,G3,G4 7%
normalidad Aula 403
A. Raymondi
5 Distribución Chi , F, T Student. etc G1,G2,G3,G4 6%
Aula 403
A. Raymondi
6 Intervalos de confianza promedio G1,G2,G3,G4 7%
Aula 403
A. Raymondi
7 Intervalos de confianza para varianza G1,G2,G3,G4 6%
Aula 403
A. Raymondi
8 Hipótesis de promedio G1,G2,G3,G4 7%
Aula 403
A. Raymondi
9 Hipótesis de varianza G1,G2,G3,G4 6%
Aula 403
A. Raymondi
10 Regresión lineal simple múltiple G1,G2,G3,G4 7%
Aula 403
A. Raymondi
11 Regresión no lineal simple G1,G2,G3,G4 7%
Aula 403
A. Raymondi
12 Diseño Experimentos 1 un factor G1,G2,G3,G4 7%
Aula 403
A. Raymondi
13 Diseño Experimentos 1 un factor G1,G2,G3,G4 7%
Aula 403
A. Raymondi
14 Diseño Experimentos 2 o más factores G1,G2,G3,G4 7%
Aula 403
A. Raymondi
15 Diseño Experimentos 2 o más factores G1,G2,G3,G4 7%
Aula 403

IX. EVALUACION

Evaluación FECHA Factor

I Evaluación Parcial 07/05/2016 0.33


II Evaluación Parcial 18/06/2016 0.33
III Evaluación Parcial: 23/07/2016 0.34

NOTA FINAL = I Examen (0.33) + II Examen (0.33) + III Examen (0.34)

X. REQUISITOS DE APROBACION

a) El alumno tiene derecho a observación de la nota en sus evaluaciones parciales, después de ser
entregadas las mismas por parte del profesor, salvo el vencimiento de plazos para culminación del semestre
académico, luego del mismo, no se admitirán reclamaciones, alumno que no se haga presente en el día
establecido, perderá su derecho a reclamo.
b) Para aprobar el curso el alumno debe obtener una nota igual o superior a 10.5, en el promedio final
7

c) El redondeo, solo se efectuara en el cálculo del promedio final, quedado expreso, que las notas parciales,
no se redondearan individualmente.
d) El alumno que no tenga alguna de sus evaluaciones y no haya solicitado evaluación de rezagados en el
plazo oportuno, por la vía regular se le considerará como abandono.

XI. BIBLIOGRAFIA

BIBLIOGRAFÍA BÁSICA

a. ESTADÍSTICA: Spiegel Murray


b. PROBABILIDAD Y ESTADISTICA APLICADAS A INGENIERÍA: Montgomery D.

BIBLIOGRAFÍA DE CONSULTA

a. OPTIMIZACION POR DISEÑO EXPERIMENTAL: Ayala M.


b. DISEÑO Y ANÁLISIS DE EXPERIMENTÓS: Montgomery D.
c. INTRODUCCION A LA ESTADÍSTICA EXPERIMENTAL: Chun

Arequipa,08 de Abril del 2016

Ing. Luis Alvarez Soto Ing. Guido Quispe Ampuero


Docente Docente
Departamento Académico Departamento Académico
Ing. Metalúrgica e Ing. Ambiental Ing. Metalúrgica e Ing. Ambiental

Ing. Roberto Huamani Bernal


Docente
Departamento Académico
Ing. Metalúrgica e Ing. Ambiental

También podría gustarte