Métodos Estadísticos
Métodos Estadísticos
Métodos Estadísticos
SATCA1: 3-2-5
2. Presentación
Caracterización de la asignatura
Esta asignatura aporta al perfil del Ingeniero en Innovación Agrícola Sustentable, el desarrollo de
habilidades en la solución de modelos probabilísticos para la toma de decisiones, le proporciona
seguridad al aplicar las pruebas estadísticas apropiadas de acuerdo a las características de sus datos,
le aporta madurez lógico-matemática y verbal para plantear adecuadamente problemas estadísticos
según la naturaleza de los datos obtenidos, le mejora la capacidad para comprender, interpretar y
mostrar los resultados obtenidos de su investigación, ante pares, y le amplía la capacidad de obtener
las conclusiones lógicas y claras de sus trabajos y entendimiento de su real nivel en el contexto del
estado del arte correspondiente.
Su importancia radica en el hecho, de que los métodos estadísticos permiten introducir, de manera
natural al incipiente investigador, en la teoría y aplicaciones de la estadística como herramienta
básica para la experimentación.
La asignatura está conformada por cinco unidades. La primera unidad proporciona al estudiante
herramientas para construir intervalos de confianza, calcular tamaños de muestra bajo condiciones
de incertidumbre prefijada. La segunda unidad lo capacita para realizar pruebas de hipótesis a partir
de la aplicación de los intervalos de confianza y conocer la posibilidad de cometer errores tipo I y
tipo II en el desarrollo de dichas pruebas para estimar parámetros puntuales y combinaciones de
ellos tales como diferencia de medias, de proporciones, relación de varianzas. Con el desarrollo de
la tercera unidad, el estudiante es capaz de obtener adecuadamente datos a través del muestreo,
para inferir conclusiones válidas, basado en la distribución de la población de interés. La cuarta
unidad le permite realizar análisis de regresión y correlación, con lo que determina tendencias en
los conjuntos de datos bajo estudio. Finalmente, la quinta unidad introduce al estudiante en el
campo de la estadística no paramétrica, la cual se aplica a observaciones difíciles de cuantificar y
es particularmente útil para hacer inferencias en situaciones en donde existe una gran incertidumbre
acerca de las suposiciones requeridas por la metodología estándar.
Se relaciona con materias antecedentes tales como Álgebra Lineal (Ecuación lineal, Sistemas de
ecuaciones lineales, Operaciones con matrices, Soluciones de sistemas de ecuaciones de m x n,
Determinantes, Variable dependiente e independiente, Dependencia e independencia lineal),
Cálculo Diferencial (Números reales, Funciones, Límites y continuidad, Derivadas, Aplicaciones
de la derivada), Estadística (Introducción a la probabilidad y valor esperado, Manejo de datos,
Medidas de tendencia central, Medidas de dispersión, Variables aleatorias discretas, Variables
aleatorias continuas), Introducción a las Tecnologías de la Información (Terminología básica de
las Tecnologías de Información, Sistema operativo, Software de aplicación, Hoja de Cálculo),
Fundamentos de Investigación (Herramientas de comunicación oral y escrita en la investigación,
1
Sistema de Asignación y Transferencia de Créditos Académicos
Lugar y fecha de
Participantes Evento
elaboración o revisión
4. Competencia(s) a desarrollar
Competencia(s) específica(s) de la asignatura
Construir intervalos de confianza, considerando los tamaños de muestra apropiados.
Realizar pruebas de hipótesis a partir de intervalos de confianza, manteniendo en control la
posibilidad de cometer errores tipo I y II.
Obtener datos mediante muestreo.
Realizar e interpretar análisis de regresión y correlación.
Utilizar apropiadamente la estadística no paramétrica, en problemas de inferencia que no dependen
de una distribución específica.
6. Temario
1. Estimación
Competencias Actividades de aprendizaje
2. Prueba de hipótesis
3. Muestreo estadístico.
8. Práctica(s)
(aquí sólo describen brevemente, queda pendiente la descripción con detalle).
100 fichas o canicas, numeradas: 10 con el número 0, 10 con el 1, 10 con el 2 y así…, hasta 10
con el 9. Extracción aleatoria de 10 fichas (una muestra), por cada estudiante, anotación en
pizarra, varias rondas de extracción (muestras) hasta llegar a mínimo de 30 muestras, obtener sus
estadísticos. Obtener intervalos de confianza para una media, para una proporción, para
diferencia de medias, probar hipótesis acerca de medias, proporciones y varianzas.
Análisis de regresión: Analizar conjuntos de datos para establecer la tendencia en el
comportamiento de un proceso de negocios o de producción.
Realizar el análisis de conjuntos de datos mediante la aplicación de pruebas Ji cuadrada y de
kolmogorov de bondad de ajuste para probar normalidad.
Aplicar la prueba de rachas a un conjunto de datos para probar aleatoriedad de los mismos.
Analizar conjuntos de datos mediante las pruebas de Wilcoxon, de Mann-Whitney y de Kruskal-
Wallis, para interpretar sus resultados en un documento escrito.
Utilizar los ensayos y protocolos de investigaciones previas, así como visitas a bancos de
información, colectar datos y realizar estimación puntual de parámetros e interpretar y aplicar
resultados, mediante el uso de software específico.
Con las bases de datos del punto anterior, realizar estimaciones por intervalos de confianza, para:
media, varianza, para diferencias de medias, y razón de varianzas. Realizar cálculos en forma
manual y usando software, interpretar y aplicar resultados a estudios de caso en la agricultura
sustentable.
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 metacognición, el
desarrollo del pensamiento crítico y reflexivo en los estudiantes.
Para verificar el nivel del logro de las competencias del estudiante se recomienda utilizar: listas de
cotejo, listas de verificación, matrices de valoración, guías de observación, coevaluación y
autoevaluación.
Sitios de interés:
18. [email protected]
19. http://www.stats.gla.ac.uk/steps/glossary/index.html
20. Binomial: http://www-stat.stanford.edu/~naras/jsm/example5.html
21. Binomial: www.stats.gla.ac.uk/steps/glossary/anova.html
22. Normal: http://www-stat.stanford.edu/~naras/jsm/NormalDensity/NormalDensity.html
23. Percentiles: http://www-stat.stanford.edu/~naras/jsm/FindProbability.html
24. Experimento Uniforme: http://www.miracosta.cc.ca.us/home/jsmith/lesson1/dicelesson.htm
25. TLC Teorema del Límite Central: http://www.stat.sc.edu/~west/javahtml/CLT.html
26. Cuantiles y prueba de hipótesis: http://www-stat.stanford.edu/~naras/jsm/example6.html
27. http://www.stats.gla.ac.uk/steps/glossary/index.html
28. www.stats.gla.ac.uk/steps/glossary/anova.htm