VICERRECTORÍA

ACADÉMICA
PROGRAMA DE ASIGNATURA UNIVERSIDAD MA
YOR
INFERENCIA ESTADISTICA
 PROGRAMA DE ASIGNATURA

I. Identificación de la Asignatura
Nombre de la asignatura INFERENCIA ESTADÍSTICA Código PEUM1012
Régimen Semestral
Plan de Estudios de la Carrera ICO110-2018/ ICO310-2018

Facultad Estudios interdisciplinarios.

Asignaturas requisitos PROBABILIDAD Y ESTADÍSTICA PEUM1007
Código
CÁLCULO I CAUM1006
Profesor responsable y/o
coordinador de la asignatura

Horas pedagógicas por tipo de C Ay L T T/P T/Pr AC ED ExA OL

actividad 72

Horas totales de la asignatura en el Total Total Total Total Créditos SCT-UM

plan de estudios horas pedagógicas horas Horas Trabajo Autónomo
cronológicas
presenciales
72 48 3

II. Descripción de la Asignatura

La asignatura Inferencia Estadística introduce a los estudiantes en las leyes y principios de estadística que forman parte de la base sobre la que se
construyen las habilidades de razonamiento lógico y científico del profesional. La asignatura está centrada en 4 unidades: Introducción al muestreo,
Introducción a la inferencia, Métodos No Paramétricos y Análisis de Varianza. Estas unidades en conjunto forman parte de los fundamentos de la
Estadística, que es necesaria para Econometría y Práctica Básica.

La metodología de esta asignatura está basada en clases teórico-prácticas que son apoyadas por trabajo colaborativo, cuyo objetivo es profundizar
la resolución de problemas propios de estadística y potenciar habilidades transversales necesarias para la interdisciplinariedad profesional como
trabajo en equipo, liderazgo, responsabilidad en la realización de las tareas individuales, cumplimiento de plazos y la aceptación y concretización de
objetivos comunes, el cual es evaluado mediante trabajo de investigación y talleres.

III. Tributación competencias específicas del Perfil de Egreso.

Utilizar principios, conceptos y criterios para la resolución de problemas tomando e implementando decisiones estratégicas que consideren las
condiciones del entorno y la sociedad con una visión multidisciplinaria del proceso administrativo, un espíritu emprendedor y actitud de
autoaprendizaje permanente para adquirir nuevos conocimientos para aplicarlos en su desempeño profesional.

IV. Tributación competencias de los dominios de Educación General UM del Perfil de Egreso.
1. Capacidad de razonamiento y análisis crítico y autocrítico.
El graduado es capaz de razonar inductiva y deductivamente, generando opciones alternativas, considerando consecuencias
asociadas y llegando a decisiones razonables en contextos familiares y desconocidos, tanto acerca de si mismo como frente al
mundo que le rodea.
2. Autoaprendizaje y desarrollo personal.
El graduado sabe reconocer sus propias fortalezas y oportunidades de desarrollo y sabe buscar y utilizar de manera autónoma la
información para enriquecer su conocimiento, fortalecer sus estrategias cognitivas y lograr sus metas de aprendizaje.

V. Resultados de Aprendizaje de la asignatura

1. Analizar diferentes tipos de muestreo para diversos problemas de investigación.
2. Determinar el tamaño de la muestra, intervalos de confianza y prueba de hipótesis para poblaciones normales con varianza conocida.
3. Aplicar diferentes tipos de Pruebas no paramétricas para variables relacionadas e independientes.

1
 4. Aplicar prueba de hipótesis a través de análisis de varianza para igualdad de dos o más medias poblacionales.

VI. Unidades y Contenidos

Unidades Contenidos Fundamentales

I. Introducción al muestreo 1.1 Definición y conceptos previos de Población, Censo y muestra

1.2 Tipos de muestreo no probabilísticos: por cuotas, intencional,
casual y bola de nieve
1.3 Tipos de muestreo probabilísticos: aleatorio simple, sistemático,
estratificado y conglomerado.

II. Introducción a la Inferencia 2.1 Definición y conceptos previos de parámetro, estadístico, error
muestral, nivel de confianza y varianza poblacional.
2.2 Teorema del límite central.
2.3 Tamaño de muestra para estimar la media de la Población.
2.4 Tamaño de muestra para estimar la proporción de la
Población.
2.5 Estimación Puntual. Propiedades de un estimador.
2.6 Distribución chi-cuadrado y t student.
2.7 Intervalos de Confianza para la media poblacional, varianza
conocida.
2.8 Intervalo de Confianza para una proporción
2.9 Intervalo de Confianza para diferencia de dos medias
Poblacionales, varianza conocida.
2.10 Intervalo de Confianza para diferencia de proporciones
2.11 Intervalo de Confianza para muestras pareadas
2.12 Concepto. Errores tipo I y II.
2.13 Pasos de un test de hipótesis. Región crítica. Nociones sobre
potencia del test.
2.14 Prueba de hipótesis para la media en poblaciones normales
con varianza conocida.
2.15 Prueba de hipótesis para una proporción en poblaciones
normales.
2.16 Prueba de hipótesis para diferencia de medias en poblaciones
normales con varianza conocida.
2.17 Prueba de hipótesis para diferencia de proporciones en
poblaciones normales.
2.18 Prueba de hipótesis para muestras pareadas normales con
varianza conocida.
III. Métodos no paramétricos 3.1 El procedimiento no paramétrico.
3.2 Variables relacionadas: Prueba de Wilcoxon para dos variables
relacionadas.
3.3 Prueba para K variables relacionadas: Prueba de Friedman
3.4 Prueba para dos muestras independientes: Prueba de la
mediana.
3.5 Pruebas para K variables: Prueba de Kruskal-Wallis.
IV. Análisis de varianza 4.1 Introducción. Comparación de múltiples poblaciones
4.2 Hipótesis de independencia, normalidad y homogeneidad (F
Fisher) en múltiples poblaciones
4.3 Expresiones para el cálculo del ANOVA de un factor. Tabla
ANOVA.
4.4 Test del Anova, resultado.

VII. Metodologías y/ o estrategias de enseñanza

Metodologías en clase (presenciales): Metodologías de trabajo autónomo de estudiantes:

* Clases teóricoprácticas * Recursos web basado en guías de apoyos en Blackboard
* Talleres colaborativos. * Resolver ejercicios propuestos en los textos básicos
* Visita a tutoría académica.
* Trabajo de investigación.

2
 VIII. Requisitos Aprobación1

Requisitos de asistencia por actividad curricular

Cátedra 75%
Teórico - práctico
Actividad Clínica u otra (si procede)
Estructura de notas de la asignatura
Calificación Final 100% Parciales 70% (30/35/35)
- Trabajo de investigación y póster
científico. 30%
-La ponderación del 30%, distribuida de
la siguiente manera:
-Avance 1: 5%
-Avance 2: 5%
-Informe: 9%
-Póster: 5%
-Autoevaluación: 2% (individual)
-Coevaluación: 2% (Individual)
-Quiz 2% (Individual)
-Parcial 1: 35%
-Parcial 2: 35%

Examen 30%
Nota mínima eximición (si procede) 5,0
Nota mínima presentación a examen (si procede) 3,5
Nota mínima aprobación examen ( si procede)

Requisitos particulares de la asignatura

1
Estos requisitos varían según cada asignatura y las actividades evaluativas asociadas y sus porcentajes de ponderación.
3
IX. Bibliografía y/ otros recursos para el Aprendizaje
Básica
Texto Unidades asociadas
Spieguel, Murray; Schieller, Jhon; Srinivasca, R. Alu; Stephens,
Molly; (2013); Probabilidad y estadística: 4ª Ed; Mc Graw Hill.

Mendenhall, William., Beaver, Robert J., Beaver; (2010);

Introducción a la Probabilidad y estadística, 13ª Ed.; Cengage
Learning
Mendenhall, William, Sincich, Terry; (2000); Probabilidad y
estadística para ingeniería y ciencias.; Pearson

Web grafía
Autor(es); Año; Título; Edición; Lugar de publicación; Editorial:
Recuperado: fecha, desde URL.

Complementaria
Texto Unidades asociadas
Autor(es); Año ; Título; Edición; Lugar de publicación; Editorial

Web grafía Unidades asociadas

Autor(es); Año; Título; Edición; Lugar de publicación; Editorial:
Recuperado: fecha, desde URL.

X. Equipo Docente

XI. Planificación de Asignatura

Nombre Unidad Resultados de Aprendizaje Indicadores de logro Instrumentos Ponderaciones

1. Introducción al Analizar diferentes tipos de 1. Diferenciar los diferentes Prueba Parcial 1 35%
métodos de muestreos
muestreo muestreo para diversos
2. Contrasta distintos tipos de
problemas de investigación.
muestreo para diversos
problemas de investigación

2. Introducción a la Determinar el tamaño de la 1. Determinar la distribución Prueba Parcial 1 35%

de probabilidades de un
inferencia muestra, intervalos de estadígrafo.
confianza y prueba de 30%

4
 hipótesis para poblaciones 2. Calcular tamaño de Trabajo de
muestra.
normales con varianza 3. Diferenciar entre investigación –
conocida. estimación puntual y por Póster
intervalos de confianza.
4. Construir intervalos de
confianza para estimar
parámetros en una o dos
poblaciones.
5. Analizar prueba de hipótesis
bajo diferentes situaciones
presentadas
6. Utilizar prueba de
normalidad, independencia y
homocedasticidad para una o
más muestras según sea el
caso en aplicaciones en el
ámbito de su área.
3. Métodos no Aplicar diferentes tipos de 1. Identificar diferentes Prueba Parcial 2 35%
pruebas no paramétricas
paramétricos Pruebas no paramétricas para según sea el caso a
variables relacionadas e investigar.
independientes. 2. Aplicar pruebas no
paramétricos a partir de
dos variables o más en el
ámbito de su área
4. Análisis de varianza Aplicar prueba de hipótesis a 1. Desarrollar análisis de Prueba Parcial 2 35%
través de análisis de varianza
para igualdad de dos o más varianza (ANOVA) en un caso
medias poblacionales. de diseño paramétrico en el
ámbito de su especialidad.

2. Aplicar prueba de hipótesis

usando ANOVA en distintas
situaciones presentadas
correspondiente a su área

XII. Salidas a terreno (si procede)

Resultado de Lugar / Destino Fecha estimada Evaluación

aprendizaje asociado.
1.
2.

XIII. Calendarización (calendarizar todas las actividades de docencia directa – clases presenciales)

N° DE Unidad Contenido/actividad
SEMANA

1 Unidad I: Introducción al muestreo Contenidos:

 Definición y conceptos previos de Población,
Censo y muestra
 Tipos de muestreo no probabilísticos: por
cuotas, intencional, casual y bola de nieve.
 Tipos de muestreo probabilísticos: aleatorio
simple, sistemático, estratificado y
conglomerado.
 Orientaciones trabajo de investigación – póster
científico.

Actividad:
Clases teórica – práctica.

5

2 Unidad II: Introducción a la Inferencia
3 Unidad II: Introducción a la Inferencia
4 Unidad II: Introducción a la Inferencia
5 Unidad II: Introducción a la Inferencia
6
Énfasis en análisis e interpretación de datos. Uso de
calculadora, Excel y/o software estadístico
Contenidos:
 Definición y conceptos previos de parámetro,
estadístico, error muestral, nivel de confianza y
varianza poblacional.
 Teorema del límite central.
 Tamaño de muestra para estimar la media de la
Población.
 Tamaño de muestra para estimar la proporción
de la Población.
 Estimación Puntual. Propiedades de un
estimador.
 Distribución chi-cuadrado y t student
Actividad:
 Clases teórica – práctica.
 Quiz 1
 Taller colaborativo formativo 1 o guía de
ejercicios 1
Contenidos:
 Estimación mediante intervalos de confianza
(IC).
 Conceptos generales en la estimación por
intervalos de confianza.
 IC para la media de una población normal con
varianza conocida.
 IC para la media de una población normal con
varianza desconocida.
Actividad:
 Clases teórica – práctica.
 Énfasis en análisis e interpretación de datos.
Excel, Geogebra y/o software estadístico (R,
Spss, etc.)
 Asesoría 1 en trabajo y póster científico, por
parte del docente.
Contenidos:
 IC para la proporción.
 IC de confianza para la varianza de una
población normal.
 IC para muestras pareadas.
Actividad:
 Cátedra teórica-práctica
 Énfasis en análisis e interpretación de datos.
Excel, Geogebra y/o software estadístico (R,
Spss, etc.)
 Primer avance de trabajo y póster científico.
(5%)
Contenidos:
 Intervalo de Confianza para diferencia de dos
medias poblacionales, varianza conocida.
 Intervalo de Confianza para diferencia de
proporciones.
 Intervalo de Confianza para muestras pareadas.
Concepto. Errores tipo I y II.
Actividad:
 Cátedra teórica-práctica

6 Unidad II: Introducción a la Inferencia
7 Unidad II: Introducción a la Inferencia
8 Unidad II: Introducción a la Inferencia
9 Unidad III: Métodos no paramétricos
7
 Énfasis en análisis e interpretación de datos.
Excel, Geogebra y/o software estadístico (R,
Spss, etc.)
Contenidos:
 Conceptos generales en contrastes de hipótesis
estadísticas. Prueba de una y dos colas.
 Uso de p-value o región para la toma de
decisiones.
 Prueba de hipótesis para la media en
poblaciones normales con varianza conocida.
 Prueba de hipótesis para la media en
poblaciones normales con varianza
desconocida.
 Prueba de hipótesis para una proporción en
poblaciones normales.
 Prueba de hipótesis para diferencia de medias
en poblaciones normales con varianza conocida.
 Prueba de hipótesis para diferencia de
proporciones en poblaciones normales.
 Prueba de hipótesis para muestras pareadas
normales con varianza conocida.
 Quiz 2
 Taller colaborativo formativo 2 o guía de
ejercicios 2.
Contenidos: Repaso
Actividad:
 Cátedra teórica-práctica
 Énfasis en análisis e interpretación de datos.
Excel, Geogebra y/o software estadístico (R,
Spss, etc.)
 Asesoría 2 en trabajo y póster científico, por
parte del docente.
Contenidos:
 Prueba de hipótesis para diferencia de medias,
en muestras independientes.
 Prueba de hipótesis para diferencia de
proporciones en poblaciones normales.
 Prueba de hipótesis para la razón de varianzas.
Actividad:
 Cátedra teórica-práctica
 Énfasis en análisis e interpretación de datos.
Excel, Geogebra y/o software estadístico (R,
Spss, etc.)
Segundo avance trabajo de investigación y póster
(5%)
Prueba parcial 1
Contenidos:
 El procedimiento no paramétrico.
 Variables relacionadas: Prueba de Wilcoxon
para dos variables relacionadas.
 Prueba para K variables relacionadas: Prueba de
Friedman.
Actividad:
 Cátedra teórica-práctica
  Énfasis en análisis e interpretación de datos.
Excel, Geogebra y/o software estadístico (R,
Spss, etc.)

10 Unidad III: Métodos no paramétricos Contenidos:

 Prueba para dos muestras independientes:
Prueba de la mediana.
 Pruebas para K variables:
 Prueba de Kruskal-Wallis.
Actividad:
 Cátedra teórica-práctica
 Énfasis en análisis e interpretación de datos.
Excel, Geogebra y/o software estadístico (R,
Spss, etc.)
 Quiz 3
 Taller colaborativo formativo 3 o guía de
ejercicios 3

11 Unidad IV: Análisis de varianza Contenidos:

 Aspectos generales.
 Análisis de un diseño completamente
aleatorizado.
Actividad:
 Cátedra teórica-práctica
 Énfasis en análisis e interpretación de datos.
Excel, Geogebra y/o software estadístico (R,
Spss, etc.)

Entrega final Trabajo de investigación y póster

científico.

12 Unidad IV: Análisis de varianza Contenidos:

 Hipótesis de independencia y normalidad en
múltiples poblaciones.
Actividad:
 Cátedra teórica-práctica
 Énfasis en análisis e interpretación de datos.
Excel, Geogebra y/o software estadístico (R,
Spss, etc.)
.
13 Unidad IV: Análisis de varianza Contenidos:
 Hipótesis de homogeneidad
 (F Fisher) en múltiples poblaciones
 Comparación de medias de grupos en el análisis
de varianza.

Actividad:
 Cátedra teórica-práctica
 Énfasis en análisis e interpretación de datos.
Excel, Geogebra y/o software estadístico (R,
Spss, etc.)
 Quiz 4
 Taller colaborativo formativo 3 o guía de
ejercicios 4

14 Unidad IV: Análisis de varianza Contenidos:

 Expresiones para el cálculo del ANOVA de un
factor. Tabla ANOVA.
 Test del Anova, resultado
Actividad:
 Cátedra teórica-práctica
 Énfasis en análisis e interpretación de datos.
Excel, Geogebra y/o software estadístico (R,
Spss, etc.)
Prueba parcial 2

8
15 Revisión de contenidos

16 Prueba recuperativa

Término de semestre lectivo

17 Periodo de exámenes

18 Periodo de exámenes