Silabus Estadística Industrial

7/21/2019 Silabus Estadística Industrial

http://slidepdf.com/reader/full/silabus-estadistica-industrial 1/3

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE INGENIERIA INDUSTRIAL

SILABO DE ESTADÍSTICA INDUSTRIAL

I. INFORMACION GENERAL1. Código del curso : 173305

2. Ciclo de estudios : V

3. Semestre Académico : 2010-II

4. No de Créditos : 4.0

5. Nº de horas semanales : Teoría 2 Práctica 2 Laboratorio 2

5. Pre requisito : 173203

7. Departamento Académico : Ingeniería de Sistemas e Informática

8. Profesores : Ing. Víctor Pérez QuispeIng. Rosmeri Mayta Huatuco

Ing. William León Velásquez

II. SUMILLAProporciona los métodos estadísticos aplicables a funciones y operaciones de la

industria, para el análisis de datos, la interrelación de variables, la preparación de

métodos de experimentación, la formulación de pronósticos y la toma de decisiones.

III. OBJETIVOSa) Objetivos Generales.- Al finalizar el desarrollo del curso, el estudiante podrá

realizar diferentes Pruebas de Hipótesis, así como también será capaz de establecery organizar datos en una tabla de ANOVA (Analysis of variance). Además, el

estudiante podrá utilizar técnicas estadísticas que le permitan relacionar dos o más

variables, permitiendo esto determinar ecuaciones que pueden utilizarse en

Pronósticos. Por último, el alumno habrá aprendido a utilizar el Análisis de Series

de Tiempo, de tal manera que esté en condiciones de identificar y aislar los factores

influyentes para fines de predicción (elaboración de pronósticos) así como

planeación y control gerencial.

b) Objetivos Específicos.-• Realizar la prueba de hipótesis utilizando diferentes estadísticos para muestras

grandes y muestras pequeñas.

•

Estudio de diferentes técnicas que nos permitan relacionar dos o mas variables

para pruebas parametricas y no parametricas.

• Estudio de análisis de Serie de Tiempo considerando los factoras influyentes

para fines de predicción

IV. UNIDADES TEMÁTICAS1° SEMANA: PRUEBAS DE HIPOTESIS: Muestras grandes.- ¿Qué es una

Prueba de Hipótesis?.- Procedimiento de cinco pasos para probar una

hipótesis.- Prueba de una y de dos colas.- Pruebas para la media de una

población.- Prueba de hipótesis: dos media poblaciones.- Errores tipo II.-

Curvas características de operación y Curvas de poder (o poder discriminador)Aplicaciones.



2° SEMANA: PRUEBAS DE HIPOTESIS: Proporciones.- Prueba para una

proporción poblacional.- Prueba donde interviene la diferencia entre dos

proporciones poblacionales. Aplicaciones.

3° SEMANA: PRUEBA T DE STUDENT: Muestras pequeñas.- Características

de la Distribución T de Student.- Prueba para la media poblacional. Prueba de

hipótesis para observaciones por pares. Aplicaciones.4º SEMANA: ANÁLISIS DE VARIANCIA: Distribución F.- Comparación de

dos Variancias Poblacionales. ANOVA: Noción General.- Procedimiento de

Análisis de Variancia. Inferencia acerca de las Medias de Tratamiento.-

ANOVA en Dos Sentidos. Aplicaciones.

5° SEMANA: MODELO DE REGRESION LINEAL SIMPLE: Modelo de

regresión y ecuación de regresión.- Ecuación de regresión estimada.- Método

de cuadrados mínimos.- Coeficiente de determinación.- Coeficiente de

correlación.- Supuestos del modelo.- Prueba de significancia.- Aplicaciones.

6º SEMANA: MODELO DE REGRESION LINEAL SIMPLE: Intervalo de

confianza para 1 β .- Prueba F.- Uso de la ecuación de regresión para evaluar y

predecir.- Análisis de residuales: validación de los supuestos del modelo.-

Análisis de residuales: valores atípicos y observaciones influyentes.-

Aplicaciones.

7° SEMANA: MODELOS DE REGRESION MULTIPLE: Desarrollo del

modelo de Regresión Múltiple.- Predicción de la variable dependiente “y” para

valores dados de las variables explicativas.- Medición de la asociación en el

modelo de regresión múltiple.- Análisis residual en Regresión Múltiple.-

Aplicaciones.

8º EXAMEN PARCIAL9º SEMANA: MODELO DE REGRESION MULTIPLE: Prueba de la

importancia de la relación entre la variable dependiente y las variablesexplicativas.- Pruebas de porciones del modelo de regresión múltiple.-

Inferencias relativas a los coeficientes de regresión de población.- Estimación

del intervalo de confianza. Aplicaciones.

10º SEMANA: MODELO DE REGRESION MULTIPLE: Coeficiente de

determinación parcial.- El modelo de regresión curvilíneo.- Prueba de la

significación del modelo curvilíneo.- Pruebas del efecto curvilineal.- Prueba

del efecto lineal.- Modelos de variables ficticias.- La multicolinealidad.-

Análisis de influencia en la regresión múltiple.- Aplicaciones.

11º SEMANA: PRUEBAS DE BONDAD DE AJUSTE E INDEPENDENCIA:Prueba de bondad de ajuste: población multinomial.- Prueba de

independencia.- Prueba de bondad de ajuste: Distribución binomial, de Poissony Normal.- Aplicaciones.

12º SEMANA: METODOS NO PARAMETRICOS: Introducción a la

Estadística No Paramétrica.- La prueba del Signo.- Caso muestra pequeña.-

Caso muestra grande.- Prueba de supuesto acerca de la mediana.- Prueba

Durango con signo de Wilcoxon.- Aplicaciones.

13º SEMANA: MÉTODOS NO PARAMETRICOS: Prueba de Mann-Whitney-

Wilcoxon.- Caso de una muestra pequeña.- Caso de muestra grande.- Prueba

de Kruskal-Wallis.- Correlación de rango.- Prueba de correlación de rango

significativa.- Aplicaciones.

14º SEMANA: ANÁLISIS DE SERIES TIEMPO: Componentes de una serie

de tiempo: Tendencia, Cíclico, Estacional e Irregular.- Métodos desuavizamiento: Promedios móviles, promedios móviles ponderados y

suavizamiento exponencial.- Aplicaciones.



15° SEMANA: ANALISIS DE SERIES DE TIEMPO: Proyección de

Tendencias.- Componentes de tendencia y estacionales.- Modelo

multiplicativo.- Cálculo de los índices estacionales.- Eliminación de

estacionalidad en la serie de tiempo.- Aplicación de serie de tiempo

desestacionalizada para identificar la tendencia.- Ajustes estacionales.-

Modelos basados en datos mensuales.- Análisis de regresión.- Métodoscualitativos.- Aplicaciones.

16º SEMANA: EXAMEN FINAL

17º SEMANA: EXAMEN SUSTITUTORIO

V. METODOLOGÍA A UTILIZAR1. Enseñanza-aprendizaje.

a) Deductivo.

b) Analítico.

c)

Solución de problemas.

2.

Procedimientos Didácticos.a) Aula.

b) Laboratorio.

c) Estudio de casos reales.

d) Lecturas comentadas.

VI. EVALUACIÓNLa evaluación desde el punto de vista del aprendizaje del curso de Estadística es

un proceso continuo y permanente de medición cuantitativa. Para ello se tomarán

dos exámenes parciales, dos prácticas calificadas; además se considerará en el

promedio final una nota de Laboratorio.

El Examen Sustitutorio comprenderá todo el curso. El promedio final resultará de

la fórmula siguiente:

PF = (EP +EF +PP + PL) /4Donde:

EP: Examen Parcial.

EF: Examen Final.

PP: Promedio de Prácticas.

PL: Promedio de Laboratorio.

VII.

BIBLIOGRAFÍA• ANDERSON, David R./SWEENEY, Dennis J./WILLIAMS Thomas A.

Estadística para Administración y Economía. Editorial International Thomson

Editores S.A; Estados Unidos, Octava Edición, 2004.

• MASON, Robert D./ LIND, Douglas A, Estadística para Administración y

Economía Editorial Alfaomega, Estados Unidos, Décima Edición, 2001

• BERENSON-David/ LEVINE M.. Estadística Básica en Administración.

Ed.Prentice-Hall Hispanoamericana SA. México, Cuarta Edición, 1992. 946pp.

• LEVIN, Richard. Estadística para Administradores. Ed.Prentice-Hall

Hispanoamericana SA, México, Segunda Edición, 1988, 940pp.

Documents

Silabus Estadística Industrial