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.
7/21/2019 Silabus Estadística Industrial
http://slidepdf.com/reader/full/silabus-estadistica-industrial 2/3
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.
7/21/2019 Silabus Estadística Industrial
http://slidepdf.com/reader/full/silabus-estadistica-industrial 3/3
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.
Top Related