UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

FACULTAD DE INGENIERA
ESCUELA DE CIENCIAS
REA DE ESTADISTICA
http://estadistica.ingenieria.usac.edu.gt

PROGRAMA DEL CURSO ESTADSTICA 1

CDIGO: 732
ESCUELA: Ciencias
PRE-REQUISITO: 107 Matemtica Intermedia 1
005 Tcnicas de Estudio y de Investigacin
CATEGORA: Obligatorio
HORAS POR SEMANA DEL CURSO: 4 Horas

CRDITOS: 5 crditos
AREA: Estadstica
POST-REQUISITO: 734 Estadstica 2, 736 Anlisis
Probabilstico, 090 Programacin de Computadoras 1
DAS QUE SE IMPARTE EL CURSO: lunes a viernes

DESCRIPCIN DEL CURSO:

Estadstica 1 es un curso orientado a proveer al estudiante conocimientos de estadstica descriptiva y
de la teora de probabilidades y sus aplicaciones, con el fin de proporcionar elementos para establecer modelos
matemticos que expliquen los fenmenos aleatorios ya que un gran nmero de fenmenos observables, no
son determinsticos.
La estadstica es una disciplina que apoya el proceso de toma de decisiones en diversas reas del
conocimiento utilizando para esto herramientas de inferencia estadstica, las que para una profunda
comprensin necesitan de los conceptos probabilsticos, por lo cual ste curso est enfocado a establecer los
conceptos bsicos de Estadstica Descriptiva y Probabilidad como pilares de la Inferencia Estadstica
El curso utiliza el conocimiento de clculo diferencial e integral que posee el estudiante a este nivel de
la carrera.
OBJETIVOS GENERALES:
Al finalizar el curso, el estudiante estar en condicin de:
- Identificar maneras adecuadas para la presentacin de informacin.
- Adquirir las destrezas para construir tablas y grficos estadsticos.
- Adquirir destrezas en el manejo de software estadstico para el clculo de indicadores descriptivos.
- Identificar adecuadamente los diferentes indicadores de la estadstica descriptiva, interpretarlos, calcularlos y
reconocer en qu casos se utilizan.
- Identificar a la estadstica no como una rama de la matemtica, sino un rea de conocimiento que trata del
desarrollo de una teora prctica de la informacin.
- Aplicar el conocimiento bsico de la teora de la probabilidad para establecer modelos matemticos que
expliquen los fenmenos aleatorios.
- Dominar el conocimiento bsico de la teora de probabilidades que le permita utilizar sus modelos, mtodos
y procedimientos para la toma de decisiones en forma cientfica.

METODOLOGA:
- Docencia directa
- Dinmica de grupo
- Estudio independiente
- Lecturas en bibliografa de referencia
- Investigaciones
- Prcticas de laboratorio
EVALUACIN DEL RENDIMIENTO ACADMICO:
- Tres exmenes parciales
- Tareas
- Comprobaciones
- Hojas de trabajo
- Trabajo de aplicacin
Total de Zona
Examen final
Total

50 puntos
6 puntos
6 puntos
8 puntos
5 puntos
75 puntos
25 puntos
100 puntos

CONTENIDO PROGRAMTICO:
I. Primera Unidad: Estadstica Descriptiva
1.1 Introduccin a la Estadstica
1.1.1 Conceptos bsicos
1.1.2 Clasificacin de la Estadstica
1.1.3 Tipos de variables
1.1.4 Niveles de medicin
1.1.5 Recopilacin de datos
1.2 Presentacin de datos de una sola variable
1.2.1 Distribucin de frecuencias
1.2.2 Presentacin grfica de datos
1.2.2.1 Grfica de barras
1.2.2.2 Grfica de pastel
1.2.2.3 Histograma
1.2.2.4 Polgono de frecuencias
1.2.2.5 Ojiva
1.2.2.6 Grficas lineales
1.2.2.7 Grficas de puntos
1.3 Anlisis descriptivo de datos de una sola variable
1.3.1 Medidas de tendencia central
1.3.1.1 Media aritmtica
1.3.1.2 Media ponderada
1.3.1.3 Media geomtrica
1.3.1.4 Mediana
1.3.1.5 Moda
1.3.2 Medidas de tendencia no central
1.3.2.1 Deciles
1.3.2.2 Cuartiles
1.3.2.3 Percentiles.
1.3.3 Medidas de dispersin
1.3.3.1 Medidas de distancia
1.3.3.2 Medidas de desviacin promedio
1.3.3.3 Medida de dispersin relativa
1.3.4 Medidas de forma
1.3.4.1 Sesgo
1.3.4.2 Curtosis
1.4 Presentacin y anlisis de datos de dos variables
1.4.1 Tablas de contingencia.

II. Segunda Unidad: Introduccin a la probabilidad

2.1 Modelos matemticos y experimentos aleatorios.
2.2 Espacios muestrales y eventos
2.2.1 Suceso y frecuencia relativa
2.2.2 Eventos mutuamente excluyentes
2.2.3 Mtodos de enumeracin
2.2.3.1 Diagrama de rbol
2.2.3.2 Tcnicas de conteo
2.3 Nociones bsicas de probabilidad.
2.3.1 Espacios muestrales finitos
2.3.2 Resultados equiprobables.
2.3.3 Leyes de probabilidad
2.3.3.1 Regla de la adicin
2.3.3.2 Probabilidad condicional
2.3.3.3 Independencia y regla de la multiplicacin
2.3.3.4 Teorema de Bayes
III. Tercera Unidad: Variables aleatorias discretas
3.1 Variables unidimensionales
3.1.1 Definicin
3.1.2 Distribucin de probabilidad
3.1.3 Esperanza y varianza
3.1.4 Desigualdad de Tchebyshev
3.1.5 Distribuciones de probabilidad de variables aleatorias discretas
3.1.5.1 Distribucin Binomial
3.1.5.2 Distribucin Binomial Negativa
3.1.5.3 Distribucin Geomtrica
3.1.5.4 Distribucin de Poisson
3.1.5.5 Distribucin Hipergeomtrica
3.1.5.6 Distribucin Multinomial.
3.2 Variables bidimensionales
3.2.1 Definicin
3.2.2 Distribucin de probabilidad
3.2.3 Esperanza y varianza
3.2.4 Covarianza
3.2.5 Coeficiente de correlacin
IV. Cuarta Unidad: Variables aleatorias continuas
4.1 Variables unidimensionales
4.1.1 Definicin
4.1.2 Distribucin de densidad de probabilidad
4.1.3 Esperanza y varianza
4.1.4 Distribuciones de densidad de probabilidad de variables aleatorias continuas
4.1.4.1 Distribucin Uniforme
4.1.4.2 Distribucin Gamma
4.1.4.3 Distribucin Beta
4.1.4.4 Distribucin Exponencial
4.1.4.5 Distribucin Weibull
4.1.4.6 Distribucin Normal
4.1.4.7 Teorema del Lmite Central
4.1.4.8 Aproximaciones a la Normal.
4.2 Variables bidimensionales
4.2.1 Definicin
4.2.2 Distribucin de probabilidad
4.2.3 Esperanza y varianza
4.2.4 Covarianza
4.2.5 Coeficiente de correlacin

BIBLIOGRAFA
TEXTO: DEVORE, JAY L. PROBABILIDAD Y ESTADSTICA PARA INGENIERIA Y
CIENCIAS. OCTAVA EDICION. EDITORIAL CENGACE LEARNING, 2012.

REFERENCIA:
- Aguilar, Mara Eugenia. Manual de Prcticas de para el curso Estadstica 1. 2008
- Anderson, Sweeney y Williams. Estadstica para Administracin y Economa. Dcima edicin. Editorial
Cengage Learning, 2008.
- Domnguez y Domnguez. Estadstica y Probabilidad. Editorial Oxford. 2006
- Gaitn, Martha Guisela, Probabilidad, conceptos bsicos. Cuarta Edicin, 2015.
- Johnson y Kuby. Estadstica elemental. Dcima edicin. Editorial Cengage Learning, 2008
- Johnson, Richard A. Probabilidad y Estadstica para Ingenieros. Octava edicin. Editorial Cengage Learning,
2012.
- Levin y otros. Estadstica para Administracin y Economa. Sptima edicin. Editorial Pearson, 2010.
- Mendenhall, Beaver y Beaver. Introduccin a la Probabilidad y Estadstica. Editorial Cengage Learning 2006.
- Mendenhall III, Wackerly y Scheaffer. Estadstica Matemtica con aplicaciones. Sexta edicin, edicin
revisada. Editorial Thomson, 2002.
- Monterroso, Rodolfo. Estadstica Descriptiva con aplicaciones inferenciales. SL Editorial, 2010
- Triola, Mario. Estadstica. Dcima edicin. Editorial Pearson. 2009.
- Wackerly y Mendenhall. Estadstica matemtica con aplicaciones. Sptima edicin. Editorial Cengage Learning
2010.
- Walpole, Myers, Myers y Ye. Probabilidad y Estadstica para Ingenieros. Octava edicin. Editorial Pearson,
2007.
- Wilton, Susan y Arnold, .Jesse. Probabilidad y Estadstica con aplicaciones para Ingeniera y Ciencias
computacionales. Cuarta edicin. Editorial Mc Graw Hill, 2003.

Actualizado enero 2016.