Ejemplo de programa sinttico para la formacin y desarrollo de competencias profesionales

1.- DATOS DE LA ASIGNATURA

Nombre de la asignatura:

Carrera:

Clave de la asignatura:

(Crditos) SATCA

Probabilidad y Estadstica

Ingeniera en Sistemas Computacionales

3-2-5

2.- PRESENTACIN

Caracterizacin de la asignatura. Esta asignatura aporta al perfil del Ingeniero en Sistemas Computacionales la capacidad para:

Seleccionar y aplicar herramientas matemticas para el modelado, diseo y desarrollo de tecnologa computacional.

Disear, configurar y administrar redes computacionales aplicando las normas y estndares vigentes.

Desarrollar, implementar y administrar software de sistemas o de aplicacin que cumpla con los estndares de calidad con el fin de apoyar la productividad y competitividad de las organizaciones.

Disear, desarrollar y administrar bases de datos conforme a los requerimientos definidos, las normas organizacionales de manejo y seguridad de la informacin, utilizando tecnologas emergentes.

Poseer habilidades metodolgicas de investigacin que fortalezcan el desarrollo cultural, cientfico y tecnolgico en el mbito de sistemas computacionales y disciplinas afines.

Los conocimientos matemticos adquiridos en esta materia proveen al futuro profesionista las competencias que le permitan entender, aplicar y desarrollar modelos matemticos utilizando tcnicas de probabilidad y estadstica, para el anlisis de informacin y toma de decisiones en las diferentes reas de las ciencias computacionales.

Considerando que los conocimientos adquiridos en esta materia son fundamentales para las asignaturas de los semestres intermedios, se sugiere llevarla en el segundo semestre, donde ser el soporte para las materias de estructura de datos en el anlisis de algoritmos, Fundamentos de Ingeniera de Software en el anlisis de pruebas, Ingeniera de Software en el anlisis de las metodologas de desarrollo de software, Redes de computadoras en el rendimiento, Bases de Datos con respecto a seguridad, as como en los talleres de investigacin para el anlisis de datos y resultados.

Intencin didctica.La asignatura se encuentra dividida en cinco unidades. Las dos primeras enfocadas a probabilidad y las tres siguientes a estadstica.

En la primera unidad Tcnicas de Conteo, se abordan los principios aditivo y de multiplicacin para determinar la forma en que podr llevarse a cabo una serie de actividades. Posteriormente se analiza la notacin factorial y su aplicacin en el clculo de permutaciones y combinaciones. Finalmente se revisan los conceptos de diagramas de rbol y el teorema del binomio.En la segunda unidad, se revisarn los conceptos bsicos de probabilidad, desde su definicin y simbologa, hasta sus axiomas y teoremas. Se analizan las probabilidades con tcnicas de conteo, la probabilidad condicional, la ley multiplicativa y los eventos independientes. Se revisarn las variables aleatorias simples y conjuntas. Finalmente se identifican los modelos analticos de fenmenos aleatorios discretos y continuos. Como elemento adicional se consideran aplicaciones en el rea de las ciencias computacionales.

La estadstica descriptiva es explorada en la unidad tres, con los conceptos bsicos de estadstica y la descripcin de datos. El anlisis de las medidas de tendencia central y de dispersin son reforzadas mediante el uso de una hoja electrnica de clculo para la obtencin de sus valores. Los conceptos de distribucin de frecuencia y el anlisis de las tcnicas de agrupacin de datos y muestreo son fortalecidos con la generacin de histogramas, analizando sus diferencias y aplicaciones en situaciones especificas, especialmente en el rea de las ciencias computacionales.

En la unidad nmero cuatro se revisan las Distribuciones muestrales: binomial, hipergeomtrica, de Poisson. Se analiza en especial la distribucin normal: ecuacin, grficas, tablas y aplicaciones. Finalmente se revisan la distribucin T-student, Chi cuadrada y F.

La ltima unidad, Estadstica aplicada, propone herramientas para la toma de decisiones mediante la inferencia estadstica. Para ello son revisadas las pruebas de hiptesis y los conceptos de regresin y correlacin. De igual forma se revisa el concepto de anlisis de multivariables.Los contenidos se abordarn de manera secuencial como los marca el programa, buscando la aplicacin del conocimiento, para ello en cada una de las unidades, como punto final, se propone analizar con los estudiantes, las aplicaciones en rea de las ciencias computacionales con un enfoque basado en actividades que promuevan en el estudiante el desarrollo de sus habilidades para trabajar en equipo y aplicar el conocimiento a la prctica, buscando con ello que integre estos conocimientos al andamiaje personal mediante un aprendizaje significativo.

La extensin y profundidad de los temas ser la suficiente para garantizar que el estudiante logre las competencias sealadas oportunamente. Por otro lado, el estudiante deber comprometerse a trabajar permanentemente en el anlisis y resolucin de ejercicios y problemas a fin de que logre dichas competencias antes de concluir la materia.El profesor adems de ser un motivador permanente en el proceso educativo deber ser promotor y director de la enseanza a travs de la transmisin de su conocimiento, as como la aplicacin de sus habilidades y destrezas utilizando las herramientas tradicionales y digitales a su alcance para cautivar a sus estudiantes e interesarlos en el tema.

La lista de actividades de aprendizaje refiere a un conjunto de actividades por unidad a fin de asociar la informacin temtica en la aplicacin de la misma para fortalecer el aprendizaje significativo. Se sugiere que dichas actividades sean resueltas en equipo en horarios extra clase, mediante el proceso de investigacin y que en el aula sean expuestos y compartidos sus resultados para llegar a conclusiones vlidas. Deber resolver problemas dentro y fuera del saln de clases, con una participacin dinmica en cada una de las actividades de aprendizaje. Usar software cuando sea posible para consolidar lo aprendido en el saln de clase y disear y desarrollar modelos que permitan poner en prctica los conocimientos vistos en cada una de las unidades que integran la asignatura. Sin embargo, la tarea del docente es permanecer atento al desarrollo de esas actividades a fin de facilitarles la comprensin y finalidad de las mismas.

3.- COMPETENCIAS A DESARROLLAR

Competencias especficas:

Seleccionar modelos probabilsticos, aplicar clculos de inferencia estadstica sobre datos y desarrollar modelos para la toma de decisiones en sistemas con componentes aleatorios.

Competencias genricas

Competencias instrumentales: Capacidad de anlisis y sntesis

Capacidad de organizar y planificar

Conocimientos generales bsicos

Conocimientos bsicos de la carrera

Comunicacin oral y escrita en su propia lengua

Habilidades bsicas de manejo de la computadora

Habilidades de gestin de informacin(habilidad para buscar y analizar informacin proveniente de fuentes diversas

Solucin de problemas

Toma de decisiones.

Competencias interpersonales: Capacidad crtica y autocrtica

Trabajo en equipo

Habilidades interpersonales

Competencias sistmicas: Capacidad de aplicar los conocimientos en la prctica

Habilidades de investigacin

Capacidad de aprender

Capacidad de adaptarse a nuevas situaciones

Capacidad de generar nuevas ideas (creatividad)

Habilidad para trabajar en forma autnoma

Bsqueda del logro

4.- HISTORIA DEL PROGRAMA

Lugar y fecha de elaboracin o revisinParticipantesObservaciones

(cambios y justificacin)

Instituto Tecnolgico de Saltillo.

Del 5 al 9 de octubre de 2009

Representantes de los Institutos Tecnolgicos de

Reunin nacional de Diseo e innovacin curricular de la carrera de Ingeniera en Sistemas Computacionales

Del 12 de octubre al 5 de febrero de 2010

Representantes de la Academia de Sistemas y Computacin de los Institutos Tecnolgicos de Colima, Alvarado, Cd. Madero, Cd. Jurez

Anlisis, enriquecimiento y elaboracin del programa de estudio propuesto en la Reunin Nacional de Diseo Curricular de la carrera de Ingeniera en Sistemas Computacionales

Instituto Tecnolgico de Poza Rica

Del 22 al 26 de febrero de 2010Representantes de los Institutos Tecnolgicos participantes en el diseo de la carrera de Ingeniera Reunin nacional de consolidacin de la carrea de ingeniera en Sistemas Computacionales

5.- OBJETIVO(S) GENERAL(ES) DEL CURSO (competencias especficas a desarrollar en el curso)Seleccionar modelos probabilsticos, aplicar clculos de inferencia estadstica sobre datos y desarrollar modelos para la toma de decisiones en sistemas con componentes aleatorios.

6.- COMPETENCIAS PREVIAS Manejar con propiedad el sistema de nmeros reales.

Aplicar con propiedad las operaciones del lgebra

Conocer y aplicar los conceptos de teora de conjuntos.

Dibujar grficas de funciones.

Aplicar el clculo integral.

7.- TEMARIO

UnidadTemasSubtemas

1Tcnicas de conteo

1.1 Principio aditivo

1.2 Principio multiplicativo

1.3 Notacin Factorial

1.4 Permutaciones

1.5 Combinaciones

1.6 Diagrama de rbol

1.7 Teorema del Binomio

2Fundamentos de la teora de probabilidad

2.1 Teora elemental de probabilidad

2.2 Probabilidad de Eventos2.2.1 Definicin de espacio muestral2.2.2 Definicin de evento

2.2.3 Simbologa, unin, interseccin, diagramas de Venn 2.3 Probabilidad con Tcnicas de Conteo2.3.1 Axiomas

2.3.2Teoremas2.4 Probabilidad condicional2.4.1 Dependiente

2.4.2 Independiente2.5 Ley multiplicativa

2.6 Eventos independientes2.6.1 Regla de Bayes2.7 Variable aleatoria

2.8 Variables aleatorias conjuntas2.9 Modelos analticos de fenmenos aleatorios discretos

2.10 Modelos analticos de fenmenos aleatorios continuos

3Estadstica descriptiva3.1 Conceptos bsicos de estadstica.3.1.1 Definicin de estadstica

3.1.2 Teora de decisin

3.1.3 Poblacin

3.1.4 Muestra aleatoria

3.1.5 Parmetros aleatorios3.2 Descripcin de datos3.2.1 Datos agrupados y no agrupados

3.2.2 Frecuencia de clase

3.2.3 Frecuencia relativa

3.2.3 Punto medio

3.2.4 Lmites3.3 Medidas de tendencia central3.3.1 Media aritmtica, geomtrica y ponderada

3.3.2 Mediana

3.3.3 Moda3.4 Medidas de dispersin3.4.1 Varianza

3.4.2 Desviacin estndar

3.4.3 Desviacin media

3.4.4 Desviacin mediana

3.4.5 Rango3.5 Parmetros para datos agrupados

3.6 Distribucin de frecuencias

3.7 Tcnicas de agrupacin de datos

3.8 Tcnicas de muestreo3.9 Histogramas 3.9.1 Histograma de frecuencia relativa

3.9.2 Diagramas de barras

3.9.3 Polgono de frecuencia

3.9.4 Ojivas

3.9.5 Grficas circulares

4Distribuciones muestrales4.1 Funcin de probabilidad

4.2 Distribucin binomial

4.3 Distribucin hipergeomtrica

4.4 Distribucin de Poisson

4.5 Esperanza matemtica

4.6 Propiedades de la curva binomial

4.7 Distribucin normal4.7.1 Distribucin de la probabilidad continua

4.7.2 Ecuacin de la normal

4.7.3 Grficas

4.7.4 Tablas

4.7.5 Aplicaciones4.8 Otras distribuciones muestrales4.8.1 Distribucin T-student

4.8.2 Distribucin Chi cuadrada

4.8.2 Distribucin F

5Estadstica aplicada5.1 Inferencia estadstica5.1.1 Concepto

5.1.2 Estimacin

5.1.3 Prueba de hiptesis5.2 Estimaciones puntuales y por intervalos de confianza

5.3 Pruebas de hiptesis5.3.1 Para la media poblacional

5.3.2 Para diferencia de medias

5.3.3 Para proporciones5.4 Regresin y correlacin5.4.1 Regresin lineal simple5.4.2 Coeficientes de regresin

5.4.3 Diagramas de dispersin

5.4.4 Estimacin mediante la lnea de regresin

5.4.5 Mtodo de mnimos cuadrados

5.5 Anlisis de multivariables

8.- SUGERENCIAS DIDCTICAS (desarrollo de competencias genricas)El profesor debe:

Ser conocedor de la disciplina que est bajo su responsabilidad, conocer su origen y desarrollo histrico para considerar este conocimiento al abordar los temas. Desarrollar la capacidad para coordinar y trabajar en equipo; orientar el trabajo del estudiante y potenciar en l la autonoma, el trabajo cooperativo y la toma de decisiones. Mostrar flexibilidad en el seguimiento del proceso formativo y propiciar la interaccin entre los estudiantes. Tomar en cuenta el conocimiento de los estudiantes como punto de partida y como obstculo para la construccin de nuevos conocimientos.

Propiciar actividades de metacognicin. Ante la ejecucin de una actividad, sealar o identificar el tipo de proceso intelectual que se realiz: una identificacin de patrones, un anlisis, una sntesis, la creacin de un heurstico, etc. Al principio lo har el profesor, luego ser el alumno quien lo identifique. Ejemplos: identificacin de las diferentes tcnicas de conteo y su aplicacin en la probabilidad y estadstica, anlisis de modelos analticos de fenmenos aleatorios discretos o continuos, elaboracin de un proceso a partir de una serie de observaciones producto de un experimento: sntesis.

Propiciar actividades de bsqueda, seleccin y anlisis de informacin en distintas fuentes. Ejemplo: buscar y contrastar caractersticas de las diferentes distribuciones muestrales, identificando puntos de coincidencia entre unas y otras, para determinar una situacin concreta para su aplicacin.

Fomentar actividades grupales que propicien la comunicacin, el intercambio argumentado de ideas, la reflexin, la integracin y la colaboracin de y entre los estudiantes. Ejemplo: al socializar los resultados de las investigaciones y las experiencias prcticas solicitadas como trabajo extra clase.

Relacionar los contenidos de esta asignatura con las dems del plan de estudios a las que sta da soporte para desarrollar una visin interdisciplinaria en el estudiante. Ejemplos: La aplicacin de los histogramas para el monitoreo de redes o procesos automatizados.

Propiciar el desarrollo de capacidades intelectuales relacionadas con la lectura, la escritura y la expresin oral. Ejemplos: trabajar las actividades prcticas a travs de guas escritas, redactar reportes e informes de las actividades de experimentacin, exponer al grupo las conclusiones obtenidas durante las observaciones.

Facilitar la utilizacin de diferentes herramientas computacionales para llevar a cabo actividades prcticas, que contribuyan a la formacin de las competencias para el trabajo experimental como: identificacin manejo y control de variables y datos relevantes, planteamiento de hiptesis, trabajo en equipo. Propiciar el desarrollo de actividades intelectuales de induccin-deduccin y anlisis-sntesis, que encaminen hacia la investigacin. Propiciar el uso adecuado de conceptos, y de terminologa cientfico-tecnolgica

Desarrollar actividades de aprendizaje que propicien la aplicacin de los conceptos, modelos y metodologas que se van aprendiendo en el desarrollo de la asignatura.

Proponer problemas que permitan al estudiante la integracin de contenidos de la asignatura y entre distintas asignaturas, para su anlisis y solucin.

Relacionar los contenidos de la asignatura con el cuidado del medio ambiente; as como con las prcticas de una agricultura sustentable.

Cuando los temas lo requieran, utilizar medios audiovisuales para una mejor comprensin del estudiante. Propiciar el uso de las nuevas tecnologas en el desarrollo de la asignatura (procesador de texto, hoja electrnica de clculo, base de datos, simuladores graficadores, Internet, etc.). Promover actividades de educacin holista. Por ejemplo adems de fomentar el conocimiento y su aplicacin, promover valores personales y sociales a travs de actividades de crecimiento personal, asistencia social y el cuidado del medio ambiente.

9.- SUGERENCIAS DE EVALUACIN

La evaluacin debe ser continua y formativa por lo que se debe considerar el desempeo en cada una de las actividades de aprendizaje, haciendo especial nfasis en:

Reportes escritos de las observaciones hechas durante las actividades realizadas en cada unidad acadmica, as como de las conclusiones obtenidas de dichas observaciones.

Informacin obtenida durante las investigaciones solicitadas plasmada en documentos escritos. Descripcin de otras experiencias concretas que se obtendrn al participar en discusiones, exposiciones o cualquier otro medio didctico-profesional que trate sobre la materia y que debern realizarse durante el curso acadmico.

Exmenes terico-prcticos para comprobar la efectividad del estudiante en la comprensin de aspectos tericos y su aplicacin a la solucin de casos prcticos.

La realizacin de prcticas considerando el uso de software. Presentacin y exposicin de cada actividad de aprendizaje. Algunas se evaluarn por equipo.

Un trabajo integrador, en donde se apliquen las herramientas estadsticas del curso a un caso real.10.- UNIDADES DE APRENDIZAJE

Unidad 1: Tcnicas de conteoCompetencia especfica a desarrollarActividades de Aprendizaje

Conocer los fundamentos y tcnicas bsicas de estadstica, para organizar, representar y analizar datos obtenidos de una situacin simulada o real. Investigar en diferentes fuentes los principios aditivo y multiplicativo. Resolver en grupos de trabajo problemas que involucren los principios aditivo y multiplicativo. Presentar ejemplos de notacin factorial, analizarlos en grupo y generar diferentes ejercicios. Investigar individualmente los conceptos de permutaciones y combinaciones. En plenaria discutir y llegar a una definicin comn. Resolver ejercicios relacionados con permutaciones y combinaciones Investigar individualmente el concepto de diagrama de rbol, discutirlo en grupos de trabajo y en plenaria resolver ejercicios relacionados con el concepto. Analizar en grupos de trabajo el teorema del binomio, plantear su aplicacin en la solucin de problemas especficos. Elaborar un mapa conceptual donde se especifiquen las diferentes tcnicas de conteo, sus caractersticas y frmulas.

Unidad 2: Fundamentos de la teora de probabilidadCompetencia especfica a desarrollarActividades de Aprendizaje

Conocer los conceptos bsicos de probabilidad para aplicarlos en la solucin de problemas.

Investigar en grupos de trabajo el desarrollo histrico de la probabilidad, sus conceptos bsicos: espacio muestral, evento, simbologa, operaciones, diagramas de Venn, y las aplicaciones en situaciones reales. Elaborar un resumen individual con la informacin encontrada. Identificar individualmente los principales axiomas y teoremas para la solucin de problemas de probabilidad con tcnicas de conteo. Mediante juegos de azar y en grupos de trabajo, determinar las probabilidades de eventos simples y espacios muestrales Resolver ejercicios y problemas en grupos de trabajo que impliquen el clculo de la probabilidad utilizando tcnicas de conteo. Investigar en diferentes fuentes, el concepto de probabilidad condicional y sus tipos. Generar en grupos de trabajo, problemas donde se aplique la probabilidad condicional dependiente e independiente. Identificar la aplicacin de la ley multiplicativa en la solucin de problemas de clculo de probabilidad en eventos mediante la construccin de ejemplos en grupos de trabajo. Investigar el Teorema de Bayes para el clculo de la probabilidad de eventos independientes. Construir en plenaria ejercicios que involucren el teorema de Bayes, relacionados con el rea de las ciencias computacionales. Investigar en grupos de trabajo los modelos analticos de fenmenos aleatorios discretos y continuos. Elaborar un resumen individual de la informacin investigada, incluyendo aplicaciones en el rea de las ciencias computacionales.

Unidad 3: Estadstica DescriptivaCompetencia especfica a desarrollarActividades de Aprendizaje

Conocer los aspectos fundamentales de la inferencia estadstica. Definir la aplicacin de la inferencia estadstica en situaciones reales o simuladas. Investigar individualmente los conceptos bsicos de estadstica: definicin, teora de decisin, poblacin, muestra aleatoria, parmetros aleatorios. En grupos de trabajo, discutir la informacin encontrada y llegar a definiciones conjuntas. Elaborar un mapa conceptual de la informacin analizada.

A travs de ejercicios predefinidos, determinar la descripcin de los datos correspondientes, presentando un resumen individual de los resultados obtenidos.

Investigar en grupos de trabajo las medidas de tendencia central: media aritmtica, geomtrica, ponderada, mediana y moda.

Formar grupos de trabajo, donde cada uno deber presentar, mediante diapositivas, un ejemplo del ambiente real donde se calculen las medidas de tendencia central, explicando la importancia de cada una de ellas para el anlisis de los datos.

Investigar en grupos de trabajo las medidas de dispersin: varianza, desviacin estndar, desviacin media, desviacin mediana y rango.

Formar grupos de trabajo, donde cada uno deber presentar, mediante diapositivas, un ejemplo del ambiente real donde se calculen las medidas de dispersin, explicando la importancia de cada una de ellas para el anlisis de los datos.

Resolver problemas que involucren medidas de tendencia central y de dispersin utilizando una hoja electrnica de clculo.

Determinar en plenaria cuales son los parmetros que deben analizarse para datos agrupados. Investigar individualmente en diversas fuentes de informacin, los diferentes tipos de distribucin de frecuencias.

En grupos de trabajo analizar y discutir las caractersticas de las distribuciones de frecuencia, identificando su utilizacin en problemas especficos. Elaborar un mapa conceptual de las distribuciones de frecuencias. Investigar individualmente en diferentes fuentes de informacin, las tcnicas de agrupacin de datos.

En grupos de trabajo analizar y discutir la informacin encontrada y mediante materiales visuales, cada grupo deber presentar una tcnica diferente, identificando sus caractersticas y ejemplos de aplicacin.

Definir en plenaria las diferentes tcnicas de muestreo.

Utilizando una hoja electrnica de clculo, elaborar diferentes histogramas, con informacin correspondiente a un problema del medio cotidiano.

Analizar los resultados obtenidos en grupos de trabajo, identificando las caractersticas de cada uno de los diferentes histogramas, determinar cules son las situaciones adecuados para utilizarlos.

Resolver problemas del rea de las ciencias computaciones donde se apliquen los conceptos analizados en esta unidad.

Unidad 4: Distribuciones muestralesCompetencia especfica a desarrollarActividades de Aprendizaje

Identificar las distribuciones Binomial, Hipergeomtrica, Poisson, Normal, T-Student, Chi-cuadrada y F de Fisher para su aplicacin. Aplicar las distribuciones de probabilidad, basndose en datos de situaciones reales o simuladas que impliquen eventos aleatorios. Investigar individualmente en diferentes fuentes de informacin las distribuciones: binomial, hipergeomtrica, Poisson. Formar grupos de trabajo para analizar y discutir la informacin encontrada.

Presentar en plenaria, mediante grupos de trabajo, la definicin, caractersticas y proceso de clculo de las distribuciones investigadas.

Resolver ejercicios y problemas donde se aplique las diferentes distribuciones.

Investigar en grupos de trabajo el concepto de esperanza matemtica.

Definir en plenaria el concepto de Esperanza matemtica. Investigar individualmente en diferentes fuentes de informacin, las propiedades de la curva binomial.

Analizar y discutir en grupos de trabajo las propiedades de la curva binomial.

Elaborar un resumen individual con las conclusiones obtenidas.

Investigar individualmente en diferentes fuentes de informacin, el concepto de distribucin normal, sus caractersticas, propiedades, clculo y aplicacin.

Elaborar un resumen de la informacin obtenida.

Resolver ejercicios y problemas relacionados con la distribucin normal.

En grupos de trabajo, elaborar una presentacin electrnica, donde cada grupo explique un ejemplo diferente del uso de la distribucin normal en la solucin de problemas relacionados con el rea de las ciencias computacionales.

Investigar en diferentes fuentes de informacin y en grupos de trabajo, otras distribuciones muestrales: T-student, Chi cuadrada y F, sus caractersticas, propiedades, clculo y aplicaciones.

Elaborar individualmente una tabla comparativa de todas las distribuciones muestrales. Resolver ejercicios y problemas relacionados con las distribuciones muestrales: T-student, Chi cuadrada y F.

En grupos de trabajo, elaborar una presentacin electrnica, donde cada grupo plantee un ejemplo diferente del uso de las distribuciones muestrales: T-Student, Chi cuadrada y F en la solucin de problemas relacionados con el rea de las ciencias computacionales. Utilizando un software estadstico resolver problemas de las diferentes distribuciones.

Unidad 5: Estadstica AplicadaCompetencia especfica a desarrollarActividades de Aprendizaje

Comprender el concepto de correlacin y regresin, expresarlo matemticamente y usarlo para tomar decisiones.

Investigar en diferentes fuentes de informacin y en grupos de trabajo, los conceptos de inferencia estadstica, estimacin y prueba de hiptesis.

En plenaria establecer una definicin general de los conceptos de inferencia estadstica, estimacin y prueba de hiptesis. Aplicacin en el rea de ciencias computacionales. Identificar las diferencias entre las estimaciones puntuales y por intervalos de confianza, elaborar individualmente una tabla comparativa con los resultados obtenidos. Describir en grupos de trabajo las caractersticas de las pruebas de hiptesis para la media poblacional, para diferencia de medias y para proporciones. Resolver problemas que involucren las pruebas de hiptesis para muestras grandes y pequeas, por medio de la media o de la proporcin.

Proponer hiptesis y probarlas estadsticamente. Presentar en plenaria, problemas del rea de las ciencias computacionales que involucren pruebas de hiptesis y establecer la toma de decisiones de acuerdo a los resultados, analizando las consecuencias de los mismos.

Investigar en grupos de trabajo los tipos de diagramas de dispersin.

Obtener y explicar en grupos de trabajo, el modelo de regresin lineal simple, los coeficientes de regresin, diagramas de dispersin y la estimacin mediante la lnea de regresin.

Identificar el mtodo de mnimos cuadrados y describir individualmente cada uno de sus pasos

Analizar problemas en plenaria que involucren los conceptos de regresin y correlacin.

Presentar en plenaria, problemas del rea de las ciencias computacionales que involucren regresin y correlacin.

Analizar en grupos de trabajo el concepto de anlisis de multivariables.

11.- FUENTES DE INFORMACIN1. Anderson, D.; Sweeney D.; Williams, T. Estadstica para Administracin y Economa.10. Edicin. Cengage Learning Editores, Mxico. 2008.

2. Carot, V. Control estadstico de la calidad. Alfaomega. Espaa. 2001.

3. Delgado de la Torre, R. Probabilidad y estadstica para ciencias e ingenieras, Delta Publicaciones. Espaa. 2008

4. Devore, Jay L., Probabilidad y estadstica para ingeniera y ciencias, 7 Edicin, Editorial Cengage Learning, Mxico, 2008.

5. Gutirrez Pulido, H.; De la Vara Salazar, R. Control estadstico de la calidad y seis sigma. 2a. Edicin. Mxico: McGraw Hill. 2009

6. Gutirrez Pulido, H.; De la Vara Salazar; R. Anlisis y diseo de experimentos. McGraw-Hill. Mxico. 2004.

7. Kazmier, L.; Daz Mata, A., Gmez Daz, G. Estadstica aplicada a la administracin y la economa. 4a. edicin. Editorial McGraw Hill. Espaa. 2006

8. Kenett, R.; Zacks, S. Estadstica Industrial Moderna International Thomson. Mxico. 2000.

9. Larson, H. Introduccin a la teora de probabilidades e inferencia estadstica. LIMUSA. Mxico. 1992.

10. Levin, R.; Rubin, D. Estadstica para administracin y economa. 7. Edicin. Pearson Educacin. Mxico. 2004.

11. Levin, R.; Rubin, D.; Estadstica para Administradores. 6. Edicin. Ed. Prentice Hall. Mxico. 1996.

12. Lipschutz, S. Probabilidad Serie Schaum. 2 edicin. McGraw Hill. Mxico. 2000.

13. Mendenhall, W.; Valckx Verbeeck, D. Estadstica para administradores. 2 edicin. Grupo Editorial Iberoamrica. Mxico. 1990

14. Mendenhall, W.; Sincich, T.; Escalona, R. Probabilidad y estadstica para ingeniera y ciencias. 4. Edicin. Prentice Hall. Mxico.1997

15. Meyer, P. Probabilidad y Aplicaciones Estadsticas. Addison-Wesley Longman. Mxico. 1992.

16. Miller, I; Freund, J; Probabilidad y Estadstica para Ingenieros. Mxico. Prentice Hall. 2004

17. Milton, S.; Arnold, J. Probabilidad y Estadstica con aplicaciones para ingeniera y ciencias computacionales. 4. Edicin. McGraw Hill. Mxico. 2004.

18. Montgomery, D; Runger, G. Probabilidad y Estadstica aplicadas a la ingeniera. 2. Edicin. Limusa. Mxico. 2002

19. Spiegel, M. Estadstica Serie Schaum. 4. Edicin. McGraw Hill. Mxico. 2009.

20. Spiegel, M. Probabilidad y Estadstica. 2. Edicin. Ed. McGraw Hill. Mxico. 2003.

21. Walpole, R.; Myers, R.; Myers, S. Probabilidad y Estadstica para Ingenieros. 6. Edicin. Ed. Pearson Educacin. Mxico. 1999

12.- PRCTICAS PROPUESTAS (aqu slo describen brevemente, queda pendiente la descripcin con detalle). Generar diversos ejemplos de tcnicas de conteo utilizando software disponible para el alumno.

Dibujar diagramas de rbol y resolver ejercicios para ilustrar las tcnicas de conteo.

Usar elementos tales como juegos de azar para determinar las probabilidades de eventos simples y espacios muestrales.

Generar a travs de una hoja electrnica de clculo el comportamiento del Teorema de Bayes para diferentes sucesos. Mediante una hoja electrnica de clculo y a partir de un conjunto de datos representados mediante grficas, analizar las medidas de tendencia central y su dispersin.

Utilizando una hoja electrnica de clculo, elaborar diferentes histogramas, con informacin correspondiente a un problema del medio cotidiano.

Generar algoritmos de clculo para las medidas de tendencia central bsicas. Utilizando un programa estadstico (hoja electrnica de clculo o SPSS) resolver problemas de las diferentes distribuciones muestrales.

Elaborar grficos de las principales distribuciones de probabilidad (normal, binomial, Poisson) y distinguir sus similitudes y peculiaridades.

Con los datos obtenidos de una situacin real, aceptar o rechazar la hiptesis por diferentes medios. Obtencin del modelo de regresin lineal usando hoja electrnica y un programa estadstico como el SPSS.

Representar matemticamente en un conjunto de datos la ecuacin de regresin lineal o curvilnea.

Sistema de asignacin y transferencia de crditos acadmicos