Universidad del Cauca

Facultad de Ciencias Naturales, Exactas y de la Educación

Programa: INGENIERÍA DE SISTEMAS
Micro-currículo de la Asignatura: ESTADÍSTICA
Código: Mat 133
Créditos: 3
Intensidad (H/S): 4
Modalidad: Presencial
Prerrequisitos:
Clasificación o Área: Campo de Fundamentación científica e investigativa
Última Edición: Abril 10 de 2019
Profesor: Mg. Edwin Rengifo Canizales. Profesor Titular de Planta.
Departamento de Matemáticas. FACNED - UNICAUCA

1. Introducción:

La Estadística como parte integral del método científico se ha convertido en una herramienta crucial para el Ingeniero a nivel metodológico, a la
hora de participar en proyectos de investigación y/o desarrollo tecnológico a través del uso de modelos y métodos estadísticos y modelos
probabilísticos. La Estadística dentro del contexto de la Ingeniería de Sistemas puede ser utilizada, entre otros, para una comprensión más amplia
y profunda de sistemas complejos, para el análisis de errores y procedimientos de validación en sistemas de medición; para el análisis de datos
de pruebas de confiabilidad de software, para la evaluación probabilística de riesgos, para el análisis de decisiones, para el modelamiento, análisis
y simulación de sistemas; para el análisis de confiabilidad de tecnologías computacionales y sistemas de datos, en seguridad informática
(ciberseguridad); para la caracterización numérica estadística, el análisis descriptivo y la modelación de datos de redes, etc. En minería de datos,
la Estadística hace parte de los métodos para descubrir patrones o tendencias en grandes volúmenes de datos que expliquen su comportamiento
en un determinado contexto. Se hace necesario conocer y aplicar metodologías de tipo estadístico que contribuyan a diseñar, modelar y optimizar
sistemas complejos y las interacciones entre los elementos del sistema.

Cada día se observa más la necesidad de utilizar la Estadística para la recolección, análisis y presentación de información en diferentes áreas de
investigación y aplicación de la Ingeniería de Sistemas. Allí, muy probablemente, se tiene que enfrentar a tres preguntas bastante comunes, que
requieren del uso de la Estadística: ¿Qué datos necesito?, ¿Cómo los obtengo? y, ¿Cómo los analizo? Dependiendo de las preguntas que el
investigador se haga o de los objetivos de la misma, la Estadística se convierte en una herramienta exploratoria o confirmatoria de apoyo a la
investigación, que se puede utilizar adecuadamente para la producción y análisis de información, confiable y precisa obtenida a partir de datos
numéricos provenientes de una muestra, de una población o de grandes volúmenes de datos. Este curso de Estadística provee de ideas,
razonamientos, principios y métodos para la obtención, descripción, exploración y análisis de datos, para la caracterización de distribuciones de
datos, patrones de tendencia y sus variabilidades, conceptos básicos de probabilidad, algunas distribuciones probabilísticas y de leyes
probabilísticas de confiabilidad.

2. Descripción
El primer capítulo comienza con la presentación, aplicación y discusión de los elementos básicos de Estadística necesarios para el análisis
gráfico exploratorio de distribuciones de datos. Seguidamente, se introducen elementos para la exploración o resumen numérico de
distribuciones de datos, con las medidas de localización, dispersión y forma. Posteriormente, se discuten los elementos relacionados con el
estudio de relaciones entre variables categóricas y entre variables numéricas, como son las frecuencias conjuntas, condicionales y marginales,
así como los conceptos de correlación y modelos empíricos estadísticos de regresión. En el capítulo cuatro se hace una presentación y aplicación
de los resultados básicos de la teoría de la probabilidad y de los modelos probabilísticos, enfatizando en el Binomial, Poisson y Normal.
Finalmente, se estudian leyes probabilísticas de confiabilidad de sistemas.
3. Objetivos
3.1 Estudiar, comprender y aplicar las ideas, los conceptos y herramientas estadísticas, gráficas, numéricas y computacionales del análisis
estadístico exploratorio y descriptivo y de datos uni y bidimensional, dentro del contexto de la Ingeniería de Sistemas.
3.2 Explorar, comprender y describir el concepto de correlación estadística entre dos variables en contextos determinados.
3.3 Estudiar algunos conceptos y resultados básicos de la teoría de la probabilidad, algunas distribuciones probabilísticas, así como algunas
leyes de fallas o de confiabilidad aplicadas al contexto de la Ingeniería de Sistemas.
3.4 Utilizar y manejar programas de computación estadística (Excell, SPSS, R) para el procesamiento de datos estadísticos.
4. Contenido:
Se consideran los siguientes cuatro capítulos, temas, sub-temas para cada sesión de clase:
CAPITULO I : EXPLORANDO GRÁFICAMENTE LA DISTRIBUCIÓN DE LOS DATOS
1.1 Presentación e introducción
• Presentación del docente y de la logística del curso
• Definición de la forma de Evaluación de los estudiantes.
• Análisis estadístico de datos geográficos y análisis geográfico de datos estadísticos.
• Breve historia de la Estadística.
• ¿Porqué estudiar Estadística?. ¿Qué es la estadística? ¿Cuáles son sus ramas?. Estadística Geográfica.

1.2 Definiciones básicas: Tipos de poblaciones, variables, caso, datos y números, población estadística, marco muestral.

1.3 La distribución de una variable categórica. Tabla de frecuencias absolutas y relativas. Frecuencia acumulada.

• Representaciones gráficas: diagramas circulares y de barras. Interpretaciones.

• Diagrama de barras para variables discretas.
• El diagrama de Pareto. Usos.
1.4 La distribución de una variable numérica discreta:
• Diagrama de puntos. Asimetría o sesgo en distribuciones de datos. Interpretaciones. Diagramas simple y expandido de tallos y hojas.
• Tabla de frecuencias para variables discretas. Frecuencias acumuladas y no acumuladas.
• Representaciones gráficas: diagramas de barras, de escalera, histograma y polígono de frecuencias. La frecuencia acumulada.

1.5 La distribución de una variable numérica contínua:

• Tablas de frecuencias para datos agrupados en intervalos de clase de igual tamaño. El histograma de frecuencias.
• Tablas de frecuencias para datos agrupados en intervalos de clase de distinto tamaño. La densidad de frecuencias absoluta y relativa.
Histograma de densidad de frecuencias. Aproximación a la función de densidad de probabilidad.
• La función empírica acumulativa H(x). La Ojiva. Definición. Características y aplicaciones.

CAPITULO II : EXPLORANDO NUMÉRICAMENTE LA DISTRIBUCIÓN DE LOS DATOS

2.1 Estadígrafos de resumen para datos brutos
• Cuadro de categorías de estadígrafos: centralidad, dispersión y forma. Objetivos de cada categoría. Indicadores.
• Cálculo e interpretaciones para: mínimo, máximo y rango. Media aritmética y desviación estándar. Propiedades. El coeficiente de
variación y usos. Coeficiente de variación ajustado. Media ponderada o estratificada. Aplicaciones.
• Robustez de un estadígrafo. La Mediana. Definición. ¿Cuándo usarla?. La moda.
La desviación absoluta media, la desviación media y la desviación mediana. Cuando usarlas.
• Cuartiles inferior y superior. Percentiles y deciles. El Rango Intercuartílico. El promedio de cuartiles. Índice de sesgo.
• El diagrama de cajas comparativo. ¿Para qué sirve?. Construcción y aplicaciones. Los Coeficientes de asimetría y curtosis.

2.2 Estadígrafos de resumen para datos agrupados en tablas de frecuencias: CASO DISCRETO

• Media aritmética, desviación estándar y coeficiente de variación. Moda y Mediana. Índice de sesgo.
• Coeficientes de asimetría y curtosis. Cuartiles y Percentiles. La desviación absoluta media, la desviación media y la desviación
mediana.
• Diagramas de caja y diagrama de barras.
2.3 Estadígrafos de resumen para datos agrupados en tablas de frecuencias: CASO CONTINUO
• Media aritmética, desviación estándar y coeficiente de variación. Moda y Mediana. Índice de sesgo.
• Coeficientes de asimetría y curtosis. Cuartiles y Percentiles.
• Diagrama de caja e Histograma. Interpretaciones.

CAPITULO III : EXPLORANDO RELACIONES ENTRE DOS VARIABLES

3.1 Explorando relaciones entre dos variables categóricas
• Frecuencias absolutas conjuntas y marginales. Frecuencias relativas conjuntas y marginales. Cálculos e interpretaciones.
• Frecuencias condicionales. Cálculos e interpretaciones.
Comparación de dos o más distribuciones. Diagramas de barras segmentadas y apiladas. Construcción e interpretaciones.
3.2 Explorando tendencia lineal entre dos variables numéricas
• El diagrama de dispersión y sus tres elementos: tendencia, forma y fuerza de la relación.
• La recta de mejor ajuste a los puntos como componente de tendencia. El principio de mínimos cuadrados. Formulas de estimación
de la pendiente y el intercepto de la recta. Interpretaciones.
• Los coeficientes de determinación R2 y R2 ajustado.
• EL coeficiente de correlación lineal de Pearson. Propiedades. Regresión lineal por el origen. Pendiente y R2.
• Interpolaciones y “extrapolaciones”. EL coeficiente de correlación de Spearman. Correlación no es causación. Casos.
3.3 Explorando tendencia exponencial entre dos variables numéricas
• El modelo o ley exponencial. Ecuación y gráfica. Estimación de tasa de crecimiento (decrecimiento) en el tiempo. “Proyecciones”.
• Los coeficientes R2, R2 ajustado y r. Ley de crecimiento exponencial. Ejemplos.
3.4 Explorando tendencia con modelo potencial. Ecuación y gráfica. Estimación e interpretación de coeficientes.

CAPITULO IV : INTRODUCCIÓN A LA PROBABILIDAD, TÉCNICAS DE CONTEO y DISTRIBUCIONES DE PROBABILIDAD

4.1 Conceptos básicos: Experimento aleatorio. Punto muestral. Espacio muestral. Evento o suceso. Probabilidad de un evento. Calculo de
la probabilidad de un evento. Definiciones de probabilidad: apriori y aposteriori.
4.2 Axiomas y teoremas de probabilidad. Aplicaciones.
4.3 Teorema generalizado de Bayes: conceptualización y aplicaciones
4.4 Técnicas de conteo: Principios multiplicativo y aditivo. Permutaciones, combinaciones y variaciones.
4.4 Variables aleatorias. Discreta y continua. Definiciones y ejemplos.
4.5 Valor esperado y varianza de una variable aleatoria. Ejemplos caso discreto y continuo.
4.6 Distribución Binomial. Conceptualización y aplicaciones.
4.7 La distribución Poisson. Conceptualización y aplicaciones.
4.9 La distribución normal. Propiedades. Teorema de estandarización. Uso de la tabla normal estándar. Aplicaciones en Biología.
4.10 Aproximación normal a las distribuciones Binomial y Poisson.
4.11 Aplicaciones de la teoría de la confiabilidad de sistemas. Algunas leyes de fallas o de confiabilidad: normal, exponencial y Poisson.
5. Metodología:
Se entregará material de cada clase para autoestudio de los estudiantes con ejemplos contextualizados al programa de formación. Se
harán asesorías a los estudiantes cada semana. Se harán prácticas en computador usando paquetes estadísticos, así como el acceso
a material complementario (artículos) para la formación del estudiante disponible a través de Internet. Las ideas, los principios, la teoría,
los modelos, los métodos y los análisis estadísticos se comprenden mucho mejor cuando se aplican a situaciones concretas, a casos y
ejemplos de la disciplina o área en particular a la cual se orienta la asignatura.

6. Evaluación:
Se realizarán tres talleres parciales para sacar la nota promedia del curso, los cuales se programarán con tiempo y contenidos adecuados
para su entrega en formato pdf en fechas establecidas.
7. BIBLIOGRAFÍA BÁSICA
❑ Rengifo, C., Edwin (2020).” Estadística y Probabilidad”. Notas de clase. Depto. de Matemáticas. Unicauca. Popayán.
❑ Triola, M.F. (2013). Estadística. Décimo primera edición. Ed. Pearson, México.
❑ Behar, G. R. y Yepes, A. M. (1996) Estadística: un enfoque descriptivo. Facultad de Ingeniería. Universidad del Valle. Cali, Col.
❑ Moore, S. D. (1997) The active practice of statistics. Purdue University. Ed. W.H. Freeman and company. N.Y.
❑ Rossman, A.J. (1996) Workshop statistics: discovery with data. Dickinson College. N.Y. Springer
❑ Meyer, P. (1976). Probabilidad y aplicaciones estadísticas. Fondo de Cultura Económica.
❑ Rossman A first course in probabuiltiy
❑ Milton, J.S. and Arnold, J.C. (1990). Introduction to probability and Statistics. McGraw Hill. Second Edition.
❑ M. Rausand and A. Hoyland (2004). System Reliability Theory Models and Statistical Methods-Wiley Series.
❑ B. M. Ayyub, Richard H. McCuen (2011). Probability, Statistics, and Reliability for Engineers and Scientists. CRC. 3rd Edition.
❑ Antony, J (2003). Design of Experiments for Engineers and Scientists_ Butterworth Heinemann; Edición: 1
❑ Kolaczyk, E. (2014). Statistical Analysis of Network Data with R. Springer.
❑ Zuwaylif, F. H. (1977). Estadística General Aplicada. California State University. Fondo Educativo Interamericano. México.
8. Docente

Mg. Edwin Rengifo Canizales – Profesor Titular Unicauca. Departamento de Matemáticas.

Docente – Asesor

▪ Profesor titular de planta del Departamento de Matemáticas de la Universidad del Cauca.

▪ Pregrado: Estudios Iniciales de Matemáticas Puras. Universidad del Valle, Cali.
▪ Pregrado: Título de Estadístico. Universidad del Valle.
▪ Post-grado: Título de Magister en Ingeniería de Sistemas, énfasis en Modelación Estadística Socioeconómica.
Universidad del Valle.
▪ 35 años de experiencia en la enseñanza de la Estadística, de los cuales, 25 en Unicauca (1985 – 2020).
▪ Artículos publicados en revistas nacionales e internacionales.
▪ Nombrado asesor experto en Estadística en la asignatura Manejo de Datos Ambientales para el Doctorado
Interinstitucional en Ciencias Ambientales – UNIVALLE-UTP-UNICAUCA, año 2015.
▪ Profesor de la asignatura Métodos Cualitativos y Cuantitativos de Investigación para la Maestría en Ciencias Agrarias.
Universidad del Cauca. FACA. Agosto 2015 – Diciembre 2015
▪ Profesor de la asignatura Modelos avanzados de regresión y de diseño experimental. Maestría en Ciencias Agrarias y
Agroindustriales. Unicauca. Agosto-diciembre de 2016.
▪ Profesor de la asignatura Modelos avanzados de regresión y de diseño experimental. Maestría en Biología. Facultad de
Ciencias Naturales, Exactas y de la Educación. Unicauca. Enero-Junio de 2016.
▪ Experiencia por más de 20 años en asesoría estadística para tesis de grado y experimentos. Asesor estadístico en Grupo
de Estudios Ambientales (GEA), Grupo de Investigación en Ingeniería Ambiental (GIIA), Unicauca.
▪ Actualmente desarrolla acompañamiento estadístico a tesis de grado y proyectos de investigación a estudiantes y grupos
de Investigación reconocidos por Colciencias, en los programa de Ingeniería Ambiental e Ingeniería Agropecuaria de la
Universidad del Cauca.
▪ Un libro de estadística en revisión de estilo para publicación_Editorial_Unicauca: Estadística y Probabilidad

Oficina 204. Departamento de Matemáticas. Edificio Antiguo Liceo Alejandro de Humboldt. Cel (321)-6051542. Correo electrónico:
edwinren@gmail.com