ESTADÍSTUICA INFERENCIAL 1

INTRODUCCIÓN GENERAL DE LA ASIGNATURA

Hace más de cien años, H. G. Wells,

escritor e historiador inglés, dijo que
algún día el razonamiento cuantitativo
sería tan importante para la mayoría de
los ciudadanos como la capacidad de
leer. No mencionó las áreas de
(negocios, investigación, política,
medicina, etc…) ya que la revolución
industrial apenas comenzaba. No
obstante, Wells tenía razón. Si bien la
experiencia en diferentes áreas un
ingeniero requiere de cierta habilidad para hacer pronósticos
razonables y así tomar decisiones eficaces.

Una de las herramientas que se utilizan para tomar decisiones es la

estadística. En nuestra vida cotidiana también aplicamos conceptos
estadísticos. Por ejemplo, para empezar el día, abra la regadera y deje
correr el agua unos segundos, en seguida moje su mano para
percatarse si la temperatura es adecuada o decidir si abre más la llave
del agua caliente o la del agua fría. Se diseñan encuestas con el fin de
recoger las primeras cifras de las elecciones y pronosticar los
resultados. Se realizan entrevistas con consumidores para obtener más
información acerca de los productos que prefieren. Los médicos
dedicados a la investigación realizan experimentos para determinar el
efecto de ciertos medicamentos en un medio controlado con objeto de
definir el tratamiento adecuado para combatir diversas enfermedades
en el ser humano. Los ingenieros toman muestras de un producto para
estudiar las características de calidad y poder manejar las variables
controlables, para identificar aquellas que son clave en el proceso. Los
economistas observan los índices para saber qué tan saludable es la
economía durante un periodo y utilizan la información para predecir
cómo se comportará en el futuro (Wathen, 2012).

Las técnicas estadísticas desempeñan un papel importante en el logro

de los objetivos que persigue cada uno de los problemas prácticos. La
exposición de los conceptos teóricos que fundamentan estas técnicas
constituye el eje de la obra.
Un requisito previo para introducirnos en el análisis de la estadística
consiste en definirla y establecer sus objetivos.
Estadística – Ciencia que recopila, organiza, presenta, analiza e interpreta
datos numéricos con el fin de propiciar una toma de decisiones más eficaz.
(Wackerly, 2002)
 La estadística puede dividirse ampliamente en dos áreas:
estadística descriptiva y estadística inferencial.

Estadística Descriptiva trata de la medición, organización y resumen de la

información de interés específico. Incluye temas como muestreo,
tabulación, manipulación de datos y presentación gráfica, y la mayoría de las
herramientas que aquí se utilizan serán conocidas para cualquier persona de
una organización.
Los temas para esta área de la estadística son: identificar exactamente qué
información se requiere, asegurar que se recolecta de forma apropiada y
luego presentarla de tal manera que no se distorsione o mal interprete. La
estadística descriptiva es un medio para informar y quizá agregar cierto valor
al punto en cuestión.

Estadística Inferencial esta área de la estadística incluye varias técnicas para

extraer conclusiones de una población (y medir su confiabilidad) con base en la
información obtenida de una muestra.

Es ciertamente un área difícil y es mucho más probable que se necesite el aporte

de un experto.

Población – Es el conjunto de todos los elementos de interés en un determinado

estudio.

Muestra – Es el subconjunto o una porción de la población de interés a estudiar.

OBJETIVO GENERAL DE LA ASIGNATURA DE ESTADÍSTICA INF. 1 IND

Formar profesionistas, en el campo de la ingeniería industrial, líder, creativa y

emprendedora con visión sistémica, capacidad analítica y competitiva que les
permita diseñar, implementar, mejorar, innovar, optimizar y administrar sistemas
de producción de bienes y servicios en un entorno global, con enfoque
sustentable, ético y comprometido con la sociedad.
MISIÓN

Formar profesionales responsables y competitivos en el área de la Ingeniería

industrial, de acuerdo a las necesidades y retos de la globalización.
VISIÓN

Ser formadores de profesionales de excelencia en el área de Ingeniería Industrial,

que respondan a las demandas de los sectores de la sociedad con valores,
calidad e innovación en un entorno globalizado.
CAMPUS

La Ingeniería está disponible en la Unidad Centro del Instituto Tecnológico de

Tlalnepantla.
PERFIL DE EGRESO

1. Analizar, diseñar y gestionar sistemas productivos desde la provisión de

insumos hasta la entrega de bienes y servicios, integrándolos con eficacia y
eficiencia.
2. Conocer, seleccionar y aplicar tecnologías para optimizar procesos
productivos.
3. Diseñar, implementar y administrar sistemas de mantenimiento para ser
eficiente en la operación de las instalaciones y equipos.
4. Implementar sistemas de gestión de calidad para satisfacer los
requerimientos del cliente y partes interesadas.
5. Utilizar los instrumentos de medición requeridos en la certificación y/o
acreditación con las normas vigentes.
6. Interpretar e implementar estrategias y métodos estadísticos en los
procesos organizacionales para la mejora continua.
7. Seleccionar y adecuar modelos de calidad y diseño de experimentos en
procesos organizacionales para su optimización.
8. Gestionar sistemas de seguridad, salud ocupacional y protección al medio
ambiente, en industrias de producción y de servicios.
9. Identificar necesidades de su entorno y desarrollar investigación aplicada
para crear e innovar bienes y servicios.
 10. Crear y mejorar productos de alto valor agregado bajo los principios de
productividad y competitividad.
11. Seleccionar e implementar tecnologías de información y comunicación
dentro de la empresa.
12. Participar en proyectos de transferencia, desarrollo y adaptación de
tecnologías en los sistemas productivos.
13. Diseñar, implementar y mejorar sistemas y estaciones de trabajo
considerando factores ergonómicos para optimizar la producción.
14. Participar en la estandarización de operaciones para la transferencia y
adaptación de los sistemas productivos.
15. Manejar y aplicar las normas y estándares en el análisis de operaciones de
los sistemas de producción.
16. Emprender e incubar empresas con base tecnológica, que promueva el
desarrollo socioeconómico de una región, así como su constitución legal.
17. Formular, evaluar y gestionar proyectos de inversión, que le permita
emprender la creación de unidades productivas de bienes y servicios bajo
criterios de competitividad y sustentabilidad.
18. Tomar decisiones para la mejora de sistemas productivos y de servicios,
fundamentadas en planteamientos y modelos analíticos.

ASIGNATURAS DE PRE- REQUISITO PARA ESTADÍSTICA INFERENCIAL 1

 Probabilidad y Estadística

RELACIÓN DE ASIGNATURAS POSTERIORES A ESTADÍSTICA

INFERENCIAL 1

 Estadística Inferencial 2
 Simulación
Objetivo de aprendizaje de la asignatura
El estudiante será capaz de aplicar métodos estadísticos;
cuantitativos y cualitativos para el análisis e interpretación de datos.
Así como hacer análisis a partir del estadístico de la muestra, de la
estimación estadística y la hipótesis.

REGLAS DE CONVIVENCIA

Reglamento interno del curso.

1.- Se exige el respeto mutuo entre alumnos y docente dentro y fuera del
aula para establecer y generar un ambiente agradable de trabajo.

2.- Formalidad (puntual) en la entrega de las actividades solicitadas por

el docente, mostrando en cada una profesionalismo y limpieza.

3.- Mantener orden en sus actividades electrónicas y apuntes en el

cuaderno.

4.- Mostrar completo interés y disposición de aprendizaje de la

asignatura durante el curso.
 CALENDARIO DE ACTIVIDADES DEL PERIODO: ENERO - JUNIO / 2022

ESTADÍSTICA INFERENCIAL I CARRERA ING. INDUSTRIAL Gpo.P32 y G42

semana Fechas No. De Días Fechas de Fechas

horas festivos seguimiento de de
Ma. Jue. y Vi laborables gestión del examen
curso escrito
por
unidad
1 01 – 04 Feb. 5 I
2 08 – 11 Feb. 5 I
3 15 – 18 Feb. 5 I
4 22 – 25 Feb. 5 25 Feb.
5 01 – 04 Mar 5 1er. II.
Seguimiento
6 08 – 11 Marzo 5 II
7 15 – 18 Marzo 5 18 Mar.
8 22 – 25 Marzo 5 III
9 29 Mar-01 Abr. 5 2do. III
Seguimiento
10 05 – 08 Abril 5 08 Abril
11 – 15 Abril --- semana santa ---
18 – 22Abril --- semana santa ---
11 26 - 29 Abril 5 IV
12 03 – 06 Mayo 3 5 Mayo IV
13 10 – 13 Mayo 5 3er.Seguimiento 13 Mayo
14 17 – 20 Mayo 5 V
15 24 – 27 Mayo 5 V
16 31May-03 Jun 5 4to. 03 Junio
Seguimiento
17 07 – 10 Junio 4 Examen de ---
recuperación
18 13 – 16 Junio captura de calificaciones Cierre del SII ---

CRITERIOS DE EVALUACIÓN

TALLER DE RESOLUCIÓN DE EJERCICIOS EN CLASE 50%

EXAMEN ESCRITO 50%

 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
  Dirección de Docencia e Innovación Educativa  
 

1. Datos Generales de la asignatura

Nombre de la asignatura: Estadística Inferencial I

Clave de la asignatura: AEF – 1024

SATCA1: 3-2-5

Carrera: Ingeniería en Logística e Ingeniería Industrial

2. Presentación
Caracterización de la asignatura
Esta asignatura aporta al perfil del Ingeniero en Logística e Ingeniero Industrial los elementos básicos
para hacer análisis a partir del estadístico de la muestra y conceptos de la estimación estadística. Le
permite establecer inferencias sobre una población y conclusiones a partir de la información que
arrojan las pruebas estadísticas.

Estadística Inferencial I es una asignatura integradora para la competencia específica de Probabilidad y

Estadística y a su vez provee las competencias previas para Estadística Inferencial II, por lo que se
plantea como una asignatura básica de la carrera de Ingeniería en Logística e Industrial.

Con la asignatura de Investigación de Operaciones II, así como en la de Simulación tienen relación los
temas de intervalos de confianza y pruebas de hipótesis. El tema de regresión lineal simple es
competencia previa para la asignatura de Administración de Operaciones I. En Control Estadístico de la
Calidad es previo el tema de pruebas estadísticas. Tienen relación los métodos estadísticos en la
asignatura de Gestión de los Sistemas de Calidad, así como en Administración del Mantenimiento. Por
lo que se pueden realizar proyectos integradores con cualquiera de esas asignaturas.

Intención didáctica
Se organiza la materia de Estadística Inferencial I en cinco temas:

El tema uno, distribuciones fundamentales para el muestreo, introduce al estudiante en los conceptos,
teoremas y contexto de la teoría del muestreo probabilístico y no probabilístico, así como las
distribuciones fundamentales para el muestreo.

En el tema dos sobre estimación le brinda al estudiante los conceptos de estimación puntual y por
intervalo de la media, proporción, varianza, diferencia de medias y proporciones y relación de
varianzas.

El tema tres contiene el procedimiento para realizar pruebas de hipótesis, tomando en cuenta la
confiabilidad y la eficacia de los errores tipo I y tipo II así como la determinación de potencia de la
prueba a que se somete una muestra del experimento de interés respecto a una población de referencia.

El tema cuatro introduce al estudiante a realizar pruebas de bondad y ajuste y pruebas no paramétricas
de una muestra en un experimento de interés respecto a una población de referencia, verificando la

                                                            
1
Sistema de Asignación y Transferencia de Créditos Académicos

©TecNM mayo 2016 Página | 1

 
 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
  Dirección de Docencia e Innovación Educativa  
 

adecuación del modelo probabilístico.

El tema cinco de regresión lineal simple introduce al estudiante al análisis de la relación lineal entre
dos variables, la aplicación de la teoría de mínimos cuadrados y el modelo matemático resultante del
caso de estudio y sus límites de validez.

El enfoque de la asignatura se presenta para que el estudiante desarrolle las competencias aplicando las
bases estadísticas obtenidas en las asignaturas anteriores, de tal forma que establezca el problema a
resolver con el diseño y análisis de experimentos más conveniente a una situación real. Identifica,
variables a controlar y registrar los elementos que le permitan diseñar los problemas de manera más
autónoma.

La lista de actividades de aprendizaje no es exhaustiva, se sugieren sobre todo las necesarias para hacer
más significativo y efectivo el aprendizaje. Algunas de las actividades sugeridas pueden hacerse como
actividad extra clase y comenzar el diseño en clase a partir de la discusión de los resultados de las
observaciones. Se busca que el estudiante realice una investigación de campo donde identifique alguna
característica de su entorno y recopile la información correspondiente, haga análisis estadístico, corra
un experimento y que interprete los resultados.

En el transcurso de las actividades es importante que el estudiante aprenda a valorar las actividades que
lleva a cabo y entienda que está construyendo su hacer futuro y en consecuencia actúe de una manera
profesional; de igual manera, aprecie la importancia del conocimiento y los hábitos de trabajo;
desarrolle la precisión y la curiosidad, la puntualidad, el entusiasmo y el interés, la tenacidad, la
flexibilidad y la autonomía.

El docente de Estadística Inferencial I debe mostrar y objetivar su conocimiento y experiencia en el

área para construir escenarios de aprendizaje significativo en los estudiantes que inician su formación
profesional. El docente enfatiza el desarrollo de las actividades de aprendizaje de esta asignatura a fin
de que ellas refuercen los aspectos formativos: incentivar la curiosidad, el entusiasmo, la puntualidad,
la constancia, el interés por mejorar, el respeto y la tolerancia hacia sus compañeros y docentes, a sus
ideas y enfoques y considerar también la responsabilidad social y el respeto al medio ambiente. El
docente de Estadística Inferencial I debe de estar realizando actividades de investigación.

3. Participantes en el diseño y seguimiento curricular del programa

Lugar y fecha de elaboración o
revisión
Instituto Tecnológico de
Aguascalientes del 15 al 18 de Educación Técnica, Acapulco, Implementación Curricular y
junio de 2010.
Participantes Evento
Representantes de los Institutos
Tecnológicos de: Elaboración del programa de
Centro Interdisciplinario de estudio equivalente en la
Investigación y Docencia en Reunión Nacional de
Aguascalientes, Apizaco, Boca Fortalecimiento Curricular de las
Río, Celaya, Chetumal, asignaturas comunes por área de
Chihuahua, Chilpancingo, conocimiento para los planes de
Chiná, Cd. Cuauhtémoc, Cd. estudio actualizados del SNEST.
Juárez, Cd. Madero, Cd.

©TecNM mayo 2016 Página | 2

 
 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
  Dirección de Docencia e Innovación Educativa  
 

Victoria, Colima, Comitán,

Cuautla, Durango, El Llano de
Aguascalientes, Huixquilucan,
Valle Bravo, Guaymas,
Huatabampo, Huejutla, Iguala,
La Laguna, La Paz, La Zona
Maya, León, Lerma, Linares,
Los Mochis, Matamoros,
Mazatlán, Mérida, Mexicali,
Minatitlán, Nuevo Laredo,
Orizaba, Pachuca, Puebla,
Querétaro, Reynosa, Roque,
Salina Cruz, Saltillo, San Luis
Potosí, Tehuacán, Tepic,
Tijuana, Tlaxiaco, Toluca,
Torreón, Tuxtepec, Valle de
Oaxaca, Veracruz,
Villahermosa, Zacatecas,
Zacatepec, Altiplano de
Tlaxcala, Coatzacoalcos,
Cuautitlán Izcalli, Fresnillo,
Irapuato, La Sierra Norte
Puebla, Macuspana, Naranjos,
Pátzcuaro, Poza Rica, Progreso,
Puerto Vallarta, Tacámbaro,
Tamazula Gordiano, Tlaxco,
Venustiano Carranza,
Zacapoaxtla, Zongólica y
Oriente del Estado Hidalgo.
Representantes de los Institutos
Tecnológicos de:
Aguascalientes, Apizaco, Boca
del Río, Celaya, CRODE
Celaya, Cerro Azul, Chihuahua,
Cd. Cuauhtémoc, Cd. Hidalgo,
Cd. Juárez, Cd. Madero, Cd.
Valles, Coacalco, Colima, Reunión Nacional de
Instituto Tecnológico de Morelia
Iguala, La Laguna, Lerdo, Los Seguimiento Curricular de las
del 10 al 13 de septiembre de
Cabos, Matamoros, Mérida, Asignaturas Equivalentes del
2013.
Morelia, Motúl, Múzquiz, SNIT.
Nuevo Laredo, Nuevo León,
Oriente del Estado de México,
Orizaba, Pachuca, Progreso,
Purhepecha, Salvatierra, San
Juan del Río, Santiago
Papasquiaro, Tantoyuca, Tepic,
Tlatlauquitpec, Valle de
©TecNM mayo 2016 Página | 3
 
 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
  Dirección de Docencia e Innovación Educativa  
 

Morelia, Venustiano Carranza,

Veracruz, Villahermosa,
Zacatecas y Zacatepec.

4. Competencia a desarrollar
Competencia específica de la asignatura
Emplea los métodos de muestreo adecuados para la obtención de la muestra experimental con la
finalidad de realizar inferencias sobre la población y el desarrollo de pruebas estadísticas.

5. Competencias previas
Aplica los conceptos de la teoría de la probabilidad y estadística para organizar, clasificar, analizar e
interpretar datos para la toma decisiones en aplicaciones de industrial y logística.

6. Temario
No. Temas Subtemas
1 Distribuciones Fundamentales para el 1.1 Introducción a la Estadística Inferencial
Muestreo. 1.2 Muestreo: Introducción al muestreo y tipos de
muestreo.
1.3 Teorema del límite central.
1.4 Distribuciones fundamentales para el muestreo.
1.4.1 Distribución muestral de la media.
1.4.2 Distribución muestral de ladiferencia de
medias.
1.4.3 Distribución muestral de la proporción.
1.4.4 Distribución muestral de la diferencia de
proporciones.
1.4.5 Distribución t-student.
1.4.6 Distribución muestral de la varianza.
1.4.7 Distribución muestral de la relación de
varianzas.
2 Estimación. 2.1 Introducción.
2.2 Características de un estimador.
2.3 Estimación puntual.
2.4 Estimación por intervalos.
2.4.1 Intervalo de confianza para la media.
2.4.2 Intervalo de confianza para la diferencia de
medias.
2.4.3 Intervalos de confianza para la proporción.
2.4.4 Intervalos de confianza para la diferencia de
proporciones.
2.4.5 Intervalos de confianza para la varianza.
2.4.6 Intervalos de confianza para la relación de
varianzas.
2.5 Determinación del tamaño de muestra.
2.5.1 Basado en la media de la Población.
2.5.2 Basado en la proporción de la Población.

©TecNM mayo 2016 Página | 4

 
 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
  Dirección de Docencia e Innovación Educativa  
 

3 Pruebas de hipótesis. 3.1 Introducción.

4 Pruebas de bondad de ajuste y pruebas 4.1 Bondad de ajuste.
no paramétricas.
5 Regresión Lineal Simple.
3.2 Confiabilidad y significancia.
3.3 Errores tipo I y tipo II.
3.4 Potencia de la prueba.
3.5 Formulación de Hipótesis estadísticas.
3.6 Prueba de hipótesis para la media.
3.7 Prueba de hipótesis para la diferencia de medias.
3.8 Prueba de hipótesis para la proporción.
3.9 Prueba de hipótesis para la diferencia de
proporciones.
3.10 Prueba de hipótesis para la varianza.
3.11 Prueba de hipótesis para la relación de varianzas.
4.1.1 Análisis Ji-Cuadrada.
4.1.2 Prueba de independencia.
4.1.3 Prueba de la bondad del ajuste.
4.1.4 Tablas de contingencia.
4.2 Pruebas no paramétricas.
4.2.1 Escala de medición.
4.2.2 Métodos estadísticos contra no paramétricos.
4.2.3 Prueba de Kolmogorov – Smirnov.
4.2.4 Prueba de Anderson – Darling.
4.2.5 Prueba de Ryan – Joiner.
4.2.6 Prueba de Shappiro – Wilk.
5.1 Prueba de hipótesis en la regresión lineal simple.
5.2 Calidad del ajuste en regresión lineal simple.
5.3 Estimación y predicción por intervalo en
regresión lineal simple.

7. Actividades de aprendizaje de los temas

Distribuciones Fundamentales para el Muestreo.
Competencias
Competencia específica:
Escoge el tipo de muestreo al que corresponde un
experimento según la selección de la variable de
estudio para observar su comportamiento.
Competencias genéricas:
 Capacidad de abstracción, análisis y
síntesis.
 Capacidad de aplicar los conocimientos en
la práctica.
 Capacidad para identificar, plantear y
resolver problemas.
Actividades de aprendizaje
 Buscar información sobre conceptos
relacionados con el muestreo.
 Discutir en grupo sobre los conceptos
investigados.
 Distinguir entre muestreo aleatorio
probabilístico y no probabilístico.
 Proporcionar al estudiante situaciones
hipotéticas de procesos y/o poblaciones
finitas para que obtengan un conjunto de
datos para su análisis.
 Obtener los valores de probabilidad de t,
χ2, F y Z de las diferentes distribuciones
muestrales.
 Interpretar los resultados obtenidos.

©TecNM mayo 2016 Página | 5

 
 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
 
Estimación.
Competencias
Competencia específica:
Aplica los fundamentos de la teoría de estimación
en problemas que requieran el cálculo del tamaño
de la muestra para determinar los diferentes
intervalos de confianza según la variable que se
está analizando en procesos industriales y
logísticos.
Competencias genéricas:
 Capacidad de abstracción, análisis y
síntesis.
 Capacidad de aplicar los conocimientos en
la práctica.
 Capacidad para identificar, plantear y
resolver problemas.
Pruebas de Hipótesis
Competencias
Competencia específica:
Realiza pruebas de hipótesis para comparar si los
valores de los estadísticos obtenidos de una
muestra tienen una diferencia significativa con un
valor supuesto asumiendo cierto nivel de
confianza y tomando en cuenta los criterios de
aceptación o rechazo en problemas de la industria
y la logística que involucren errores tipo I o tipo
II.
Competencias genéricas:
 Capacidad de abstracción, análisis y
síntesis.
 Capacidad de aplicar los conocimientos en
la práctica.
 Capacidad para identificar, plantear y
©TecNM mayo 2016
Dirección de Docencia e Innovación Educativa  
 Utilizar TIC’s para obtener las
probabilidades de las diferentes
distribuciones a utilizar.
Actividades de aprendizaje
 Buscar información sobre conceptos
relacionados con estimación.
 Discutir en grupo sobre los conceptos
investigados.
 Dado un conjunto de datos diferenciar la
importancia de utilizar estimadores
puntuales y estimadores por intervalos.
 Proporcionar al estudiante situaciones
hipotéticas de procesos y/o poblaciones
finitas para que obtengan un conjunto de
datos para establecer una estimación por
intervalo dependiendo la variable que se
está midiendo con el fin de obtener la
muestra definitiva.
 Interpretar el significado de los intervalos
de confianza para: la media, diferencia de
medias, la proporción, diferencia de
proporciones, varianza y relación de
varianzas.
 Utilizar TIC’s para obtener intervalos de
confianza y tamaños de muestra.
Actividades de aprendizaje
 Buscar información sobre conceptos
relacionados con pruebas de hipótesis.
 Discutir en grupo sobre los conceptos
investigados.
 Formular y resolver ejercicios aplicando la
metodología de prueba de hipótesis para la
variable que se está midiendo y obtener
tamaño de muestra para diferentes
situaciones error tipo I, error tipo II y
potencia de la prueba.
 Simular un caso en donde se genere una
hipótesis para una situación en donde el
interés pueda ser, la media, diferencia de
medias, proporción, diferencia de
proporciones, varianza y relación de
varianzas:
Página | 6
 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
  Dirección de Docencia e Innovación Educativa  
 

resolver problemas. o Generar datos del caso.

o Probar la hipótesis del caso.
o Obtener conclusiones.
o Cambiar el tamaño de muestra y
mostrar su impacto.
 Utilizar TIC’s para realizar la prueba de
hipótesis.

Pruebas de bondad de ajuste y pruebas no paramétricas.

Competencias Actividades de aprendizaje
Competencia específica:  Buscar información sobre conceptos
Realiza pruebas de bondad de ajuste y no relacionados con pruebas de bondad de
paramétricas para determinar si el ajuste y pruebas no paramétricas.
comportamiento de un experimento se adecua a  Discutir en grupo sobre los conceptos
una distribución determinada en procesos de la investigados.
industria y la logística.  Resolver ejercicios aplicando:
o Prueba χ2.
Competencias genéricas: o Prueba de Kolmogorov-Smirnov.
 Capacidad de abstracción, análisis y o prueba de Anderson Darling.
síntesis. o Prueba de Ryan – Joiner.
 Capacidad de aplicar los conocimientos en o Prueba de Shappiro – Wilk.
la práctica.  Dado un conjunto de datos: aplicar las
 Capacidad para identificar, plantear y pruebas, analizar los resultados y
resolver problemas. contrastar las pruebas.
 Utilizar TIC’s para realizar las pruebas de
bondad y ajuste y pruebas no paramétricas.

Regresión lineal simple.

Competencias
Competencia específica:
Utiliza el diagrama de dispersión de datos
bivariados de un experimento para hacer una
estimación en procesos de la industria y la
logística aplicando los conceptos de regresión
lineal simple.
Competencias genéricas:
 Capacidad de abstracción, análisis y
síntesis.
 Capacidad de aplicar los conocimientos en
la práctica.
 Capacidad para identificar, plantear y
resolver problemas.
Actividades de aprendizaje
 Buscar información sobre conceptos
relacionados con la regresión lineal
simple.
 Discutir en grupo sobre los conceptos
investigados.
 Utilizar un modelo de regresión para
propósitos de estimación y predicción para
analizar la relación entre dos variables.
 Comprender la importancia del análisis de
regresión lineal simple.
 Aplicar las pruebas de hipótesis para
evaluar su calidad de ajuste.
 Utilizar TIC’s para realizar la regresión
lineal simple.

©TecNM mayo 2016 Página | 7

 
 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
  Dirección de Docencia e Innovación Educativa  
 

8. Práctica(s)
Proyecto de investigación en el que utilice los conceptos de muestreo.
Determinación de parámetros de la muestra y sus estimadores.
Pruebas de hipótesis, determinación del error tipo I y tipo II.
Pruebas de bondad de ajuste.
Determinar la relación entre variables por el análisis de regresión.
Problemas propuestos en el curso en el área logística e industrial, con análisis de resultados obtenidos
en cada tema utilizando TIC’s.

TIC’s propuestos a utilizar:

Microsoft Excel
Statgraphics (www.statgraphics.com)
Minitab
SPSS
Statictis
Softwares Matemáticos: Mathcad, Maple, Scientific Workplace, Mathematica, Matlab.

9. Proyecto de asignatura
El objetivo del proyecto que planteé el docente que imparta esta asignatura, es demostrar el desarrollo y
alcance de la(s) competencia(s) de la asignatura, considerando las siguientes fases:
 Fundamentación: marco referencial (teórico, conceptual, contextual, legal) en el cual se
fundamenta el proyecto de acuerdo con un diagnóstico realizado, mismo que permite a los
estudiantes lograr la comprensión de la realidad o situación objeto de estudio para definir un
proceso de intervención o hacer el diseño de un modelo.
 Planeación: con base en el diagnóstico en esta fase se realiza el diseño del proyecto por parte
de los estudiantes con asesoría del docente; implica planificar un proceso: de intervención
empresarial, social o comunitario, el diseño de un modelo, entre otros, según el tipo de proyecto, las
actividades a realizar los recursos requeridos y el cronograma de trabajo.
 Ejecución: consiste en el desarrollo de la planeación del proyecto realizada por parte de los
estudiantes con asesoría del docente, es decir en la intervención (social, empresarial), o
construcción del modelo propuesto según el tipo de proyecto, es la fase de mayor duración que
implica el desempeño de las competencias genéricas y especificas a desarrollar.
 Evaluación: es la fase final que aplica un juicio de valor en el contexto laboral-profesión, social
e investigativo, ésta se debe realizar a través del reconocimiento de logros y aspectos a mejorar se
estará promoviendo el concepto de “evaluación para la mejora continua”, la meta cognición, el
desarrollo del pensamiento crítico y reflexivo en los estudiantes.

10. Evaluación por competencias

Las técnicas, herramientas y/o instrumentos sugeridos que permiten obtener el producto del desarrollo
las actividades de aprendizaje: mapas conceptuales, reportes de prácticas, estudios de casos, exámenes,
exposiciones en clase, problemarios, portafolio de evidencias, proyecto de asignatura o integrador y
cuestionarios.

Las técnicas, herramientas y/o instrumentos sugeridos que me permite constatar el logro o desempeño
de las competencias del estudiante: listas de cotejo, listas de verificación, matrices de valoración, guías
de observación, coevaluación y autoevaluación.

©TecNM mayo 2016 Página | 8

 
 TECNOLÓGICO NACIONAL DE MÉXICO
Secretaría Académica, de Investigación e Innovación
  Dirección de Docencia e Innovación Educativa  
 

11. Fuentes de información

1. Anderson, D. R. (2008). Estadística para administración y economía. (10ª. ed.) México :
Cengage Learning.
2. Box, G. E. P. (2008). Estadística para investigadores : Diseño, innovación y descubrimiento.
(2ª. Ed.). España : Reverté
3. Berenson, M. (2006). Estadística para administración. (4ª. ed.) México : Pearson Educación.
4. Carot, V. (2006). Control estadístico de la calidad. España : Alfaomega.
5. Devore, J. L. (2012) Probabilidad y estadística para ingenierías y ciencia. (8ª. ed.) México :
Cengage Learning.
6. Fernández, A. M. (2006). Ejercicios de econometría. (2006). España : McGraw-Hill.
7. Gamiz, B. E. (2012). Probabilidad y estadística con prácticas en Excel. (3ª. ed). México : JIT
Press.
8. Gujarati, D. (2010). Econometría. (5ª. Ed.). México : McGraw-Hill.
9. Gutiérrez, P. H. (2012). Análisis y diseño de experimentos. (3ª. ed.) México : McGraw-Hill
10. Gutiérrez, P. H. (2009). Control estadístico de calidad y seis sigma. (2ª. ed) México : McGraw-
Hill.
11. Hines, W. (2009) Probabilidad y estadística para ingeniería (4ª. ed.) México : CECSA : Grupo
Editorial Patria.
12. Johnson, R. A. (2012) Probabilidad y estadística para ingenieros. (8ª. ed.) México : Pearson
Educación.
13. Kazmier, L. (2006). Estadística aplicada a administración y economía. (4ª. ed.) México :
McGraw-Hill.
14. Larson, H. J. (1992). Introducción a la teoría de probabilidades e inferencia estadística.
México : Limusa.
15. Levine, D. M. (2010) Estadística para administración y economía. (7ª. ed.) México : Pearson
Educación.
16. Mendenhall, W. (2010). Introducción a la Probabilidad y Estadística. (13ª. ed.) México:
Cengage Learning.
17. Montgomery, D. C. (2011). Probabilidad y estadística aplicadas a la ingeniería. (2ª. ed.)
México : Limusa : Wiley.
18. Quezada, L. (2010). Estadística para ingenieros. México : Empresa Editora Macro.
19. Rodríguez, F. J. (2008). Estadística para administración. México : Grupo Editorial Patria.
20. Ross, S. M. (2002). Probabilidad y estadística para ingenieros. México : McGraw-Hill.
21. Salvatore, D. (2004). Estadística y econometría. (2ª. Ed.). España : McGraw-Hill.
22. Spiegel, M. (2010). Fórmulas y tablas de matemática aplicada. (3ª. ed.) México : McGraw-Hill
23. Spiegel, M. (2010). Teoría y problemas de Probabilidad y estadística. (3ª. Ed.) México :
McGraw-Hill.
24. Wackerly, D. D. (2010). Estadística matemática con aplicaciones. (7ª. ed.) México : Cengage
Learning.
25. Walpole, R. E. (2012). Probabilidad y estadística para ingeniería y ciencias. (9ª. ed) México :
Pearson Educación.

©TecNM mayo 2016 Página | 9