1.

- DATOS DE LA ASIGNATURA
Nombre de la asignatura : Estadstica Inferencial I
Ingeniera Industrial e Ingeniera en
Carrera :
Logstica
Clave de la asignatura : AEF-1024

SATCA1 3-2-5

2.- PRESENTACIN
Caracterizacin de la asignatura.
La materia de Estadstica Inferencial I:
Se plantea como una asignatura bsica de la Carrera de Ingeniera en Logstica e Industrial
y comn a la mayor parte de las Ingenieras.

Proporciona los elementos bsicos para hacer anlisis a partir del estadstico de la
muestra y conceptos de la estimacin estadstica.

Permite establecer inferencias sobre una poblacin, conclusiones a partir de la

informacin que arrojan las pruebas de hiptesis.

A partir de las pruebas de bondad de ajuste, se establece el nivel de aplicabilidad de

los conceptos del anlisis estadstico.

Intencin didctica.
Se organiza la materia de Estadstica Inferencial I, para las Ingenieras en Logstica e
industrial, en cinco unidades:
La unidad uno, introduce al estudiante en los conceptos, teoremas y contexto de la
teora del muestreo probabilstico y no probabilstico, as como las distribuciones
fundamentales para el muestreo.
La unidad dos, introduce al alumno en los conceptos de estimadores puntuales y
anlisis por intervalos de confianza de la media, proporcin, varianza y
determinacin del tamao de muestra.
La unidad tres, contiene la teora de las pruebas de hiptesis, la confiabilidad y
eficacia de los errores tipo I y tipo II, determinacin de potencia de la prueba a que
se somete una muestra del fenmeno de inters respecto a una poblacin de
referencia.
La unidad cuatro, introduce al estudiante a la teora de bondad de ajuste y pruebas
no paramtricas en una muestra del fenmeno de inters respecto a una poblacin
de referencia, verificando la adecuacin del modelo probabilstico.
La unidad cinco, introduce al estudiante al anlisis de las relaciones entre variables,
la aplicacin de la teora de mnimos cuadrados y el modelo matemtico resultante
del caso de estudio y sus lmites de validez.

La materia de Estadstica Inferencial I, permite al estudiante:

Identificar los estimadores de los parmetros de los fenmenos para evaluar su

1
Sistema de Asignacin y Transferencia de Crditos Acadmicos
 comportamiento, y determinar la verosimilitud de las hiptesis estadsticas.
Hacer el clculo de estimacin por intervalo y las caractersticas del proceso de
anlisis logstico, la descripcin de un fenmeno de inters, al nivel de confianza
establecido por la prueba, su interpretacin y la toma de decisiones correspondiente.
Establecer caractersticas de calidad como criterios de aceptacin o rechazo en
problemas que involucren errores tipo I o errores tipo II que involucran al productor o
proveedor (o cliente) de un bien o servicio logstico.
Estructurar mtodos de anlisis propios para la investigacin en una prueba de
bondad de ajuste a partir del conocimiento de las formas que los fenmenos se
presentan.
Utilizar el anlisis de dispersin y la relacin que tienen las variables asociadas con
el grado de correlacin entre las mismas y su exactitud o confianza en un modelo
lineal simple o mltiple en la toma de decisiones.
3.- COMPETENCIAS A DESARROLLAR
Competencias especficas:
Considera los fenmenos aleatorios presentes
en todo proceso logstico, como:
Diseo, planear, organizar, manejar,
controlar y mejorar sistemas de
abastecimiento y distribucin de bienes
y servicios de manera sustentable.
Dirigir las actividades logsticas de
carga, trfico y seguridad interna y
externa de servicios y productos de las
empresas en forma eficaz y eficiente.
Administrar los sistemas de flujo y
manejo de materiales en
organizaciones en forma eficaz y
eficiente.
Usar el software disponible para el
modelado, diseo, operacin y control
eficiente de sistemas logsticos.
Desarrolla proyectos de investigacin
relacionados con la logstica aplicando
la metodologa ms adecuada.
Utiliza tecnologas de informacin y
comunicacin (TICs) disponibles en el
proceso de toma de decisiones para la
operacin eficiente de los procesos Competencias interpersonales
logsticos.
Selecciona los empaques y embalajes
para manejar, distribuir, y confinar
productos, bajo las normas nacionales
e internacionales de seguridad en el
transporte.
Aplica sistemas de calidad, seguridad y
ambiente dentro del campo logstico
orientado a lograr el desarrollo
sustentable y la satisfaccin del cliente.
Competencias genricas:
Competencias instrumentales
Investigacin bibliogrfica confiable y
pertinente sobre los conceptos de
estadstica inferencial.
Capacidad de anlisis y sntesis de
informacin sobre la estadstica
inferencial.
Aplicar conocimientos generales de
sobre muestreo y la inferencia
estadstica.
las Solucionar situaciones que involucren
pruebas de parmetros o tolerancias
desde la perspectiva de probabilidad y
la inferencia estadstica aplicadas a la
logstica.
Tomar decisiones con base a un
anlisis de estadstica inferencial, en
el campo de la logstica.
Resolver situaciones de inferencia
mediante la utilizacin de software
disponible.
Capacidad crtica y autocrtica.
Habilidades y capacidad
interpersonales para el trabajo en
equipo interdisciplinario y
multidisciplinario.
Capacidad de comunicarse con
profesionales y expertos de otras
reas en forma efectiva.
Reconocimientos y apreciacin de la
diversidad y multiculturalidad.
Habilidad para trabajar en un
ambiente laboral interdisciplinario y
multidisciplinario.
Compromiso tico.
Competencias sistmicas
Dar sentido y significado a los
conocimientos estadsticos y
probabilsticos en la prctica
profesional.
Apertura y adaptacin a nuevas
situaciones que requieran del anlisis
interdisciplinario.
Trabajar en forma autnoma.
 Bsqueda del logro, con reflexin
tica.
4.- HISTORIA DEL PROGRAMA
Lugar y fecha de
Participantes Evento
elaboracin o revisin
Representantes de los Institutos Reunin Nacional de
Tecnolgicos de: Diseo e Innovacin
Instituto Tecnolgico de Ciudad Jurez, Superior de Curricular para el
Ciudad Jurez, del 27 Cuatitln Izcalli, Len, Pabelln Desarrollo y Formacin de
abril al 1 de mayo de de Arteaga, Puebla, Quertaro, Competencias
2009. Tehuacn, Tijuana, Superior de Profesionales de la
Tlaxco y Toluca. Carrera de Ingeniera en
Logstica.
Desarrollo de Programas Academias de Ingeniera en Elaboracin del programa
en Competencias Logstica de los Institutos de estudio propuesto en la
Profesionales por los Tecnolgicos: Reunin Nacional de
Institutos Tecnolgicos Quertaro, Superior de Cuautitln Diseo Curricular de la
del 4 de mayo al 5 de Izcalli, Len. Puebla, Toluca y Carrera de Ingeniera en
junio de 2009. Tijuana Logstica.
Representantes de los Institutos Reunin Nacional de
Tecnolgicos de: Consolidacin de los
Instituto Tecnolgico de Ciudad Jurez, Superior de Programas en
Puebla, del 8 al 12 de Cuatitln Izcalli, Len, Puebla, Competencias
junio de 2009. Quertaro, Tehuacn y Tijuana. Profesionales de la
Carrera de Ingeniera en
Logstica.
Representantes de los Institutos Reunin Nacional de
Tecnolgicos de: Consolidacin de los
Instituto Tecnolgico de
Ciudad Jurez, Superior de Programas en
Estudios Superiores de
Cuatitln Izcalli, Len, Puebla, Competencias
Ecatepec, del 9 al 13 de
Quertaro, Tehuacn y Tijuana. Profesionales de la
noviembre de 2009.
Carrera de Ingeniera en
Logstica.
Representantes de los Institutos
Tecnolgicos de:
Superior de lamo Temapache,
Superior de Alvarado, Apizaco,
Superior de Arandas, Campeche,
Celaya, Superior de Centla, Cerro
Azul, Chihuahua, Superior de Reunin Nacional de
Ciudad Acua, Ciudad Guzmn, Diseo e Innovacin
Instituto Tecnolgico de Ciudad Jurez, Ciudad Valles, Curricular para el
Estudios Superiores de Ciudad Victoria, Comitn, Desarrollo y Formacin de
Ecatepec, del 9 al 13 de Durango, Superior de Ecatepec, Competencias
noviembre de 2009. Superior de Huetamo, La Laguna, Profesionales de la
Superior de La Sierra Norte de Carrera de Ingeniera
Puebla, Len, Superior de Libres, Industrial.
Linares, Los Mochis, Superior de
Macuspana, Matamoros,
Matehuala, Mrida, Minatitln,
Superior de Monclova, Morelia,
Nuevo Len, Ocotln, Orizaba,
Pachuca, Parral, Piedras Negras,
 Lugar y fecha de
Participantes Evento
elaboracin o revisin
Reynosa, Saltillo, San Luis
Potos, Superior de Tantoyuca,
Tehuacn, Superior de Tepexi de
Rodrguez, Tepic, Superior de
Teziutln, Toluca, Tuxtla
Gutirrez, Superior de Valladolid,
Veracruz, Villahermosa, Superior
de Zacapoaxtla, Zacatecas,
Superior de Zacatecas Occidente
y Zacatepec.
Desarrollo de Programas Academias de Ingeniera
Elaboracin del programa
en Competencias Industrial de los Institutos
de estudio propuesto en la
Profesionales por los Tecnolgicos:
Reunin Nacional de
Institutos Tecnolgicos Celaya, Ciudad Valles, Los
Diseo Curricular de la
del 16 de noviembre de Mochis, Minatitln, Tepic y
Carrera de Ingeniera
2009 al 9 de abril de Zacatecas
Industrial.
2010.
Representantes de los Institutos
Tecnolgicos de:
Superior de lamo Temapache,
Superior de Alvarado, Apizaco,
Superior de Arandas, Campeche,
Celaya, Superior de Centla, Cerro
Azul, Chihuahua, Superior de
Ciudad Acua, Ciudad Guzmn,
Ciudad Valles, Ciudad Victoria,
Comitn, Durango, Superior de
Ecatepec, Huetamo, La Paz, La
Piedad, Superior de La Sierra Reunin Nacional de
Norte de Puebla, Len, Superior Consolidacin de los
Instituto Tecnolgico de de Libres, Linares, Los Mochis, Programas en
Zacatecas, del 12 al 16 Superior de Macuspana, Competencias
de abril de 2010. Matamoros, Matehuala, Mrida, Profesionales de la
Superior de Monclova, Nuevo Carrera de Ingeniera
Len, Ocotln, Orizaba, Pachuca, Industrial.
Parral, Piedras Negras, Puebla,
Reynosa, Saltillo, San Luis
Potos, Superior de Tantoyuca,
Tehuacn, Superior de Tepexi de
Rodrguez, Tepic, Superior de
Teziutln, Toluca, Tuxtla
Gutirrez, Veracruz,
Villahermosa, Superior de
Zacapoaxtla, Zacatecas, Superior
de Zacatecas Occidente y
Zacatepec.
Instituto Tecnolgico de Representantes de los Institutos Reunin Nacional de
Aguascalientes, del 15 al Tecnolgicos de: Implementacin Curricular
18 de Junio de 2010. Acapulco, Aguascalientes, y Fortalecimiento
 Lugar y fecha de
Participantes Evento
elaboracin o revisin
Altiplano de Tlaxcala, Apizaco, Curricular de las
Boca del Ro, Ciudad asignaturas comunes por
Cuauhtmoc, Ciudad Jurez, rea de conocimiento para
Ciudad Madero, Ciudad Victoria, los planes de estudio
Celaya, Chetumal, Chihuahua, actualizados del SNEST.
Chilpancingo, Superior de
Coatzacoalcos, Colima, Cuautla,
Durango, Superior de El Dorado,
El Llano de Aguascalientes,
Huejutla, Huatabampo, Superior
de Huixquilucan, Iguala, Superior
de Irapuato, La Laguna, La Paz,
Len, Linares, Superior de
Macuspana, Matamoros,
Mazatln, Mrida, Mexicali,
Nuevo Laredo, Superior del
Oriente del Estado de Hidalgo,
Orizaba, Pachuca, Superior de
Ptzcuaro, Superior de Poza
Rica, Superior de Progreso,
Puebla, Superior de Puerto
Vallarta, Quertaro, Reynosa,
Roque, Salina Cruz, Saltillo, San
Luis Potos, Superior de
Tacmbaro, Superior de
Tamazula de Gordiano,
Tehuacn, Tijuana Tlaxiaco,
Toluca, Torren, Tuxtepec,
Superior de Venustiano Carranza,
Veracruz, Villahermosa,
Zacatecas, Superior de
Zonglica.
Representantes de los Institutos Elaboracin del programa
Tecnolgicos de: de estudio equivalente en
Reynosa, Aguascalientes, la Reunin Nacional de
Quertaro, Irapuato, Len, Implementacin Curricular
Instituto Tecnolgico de
Tehuacn, Puebla, Linares y Cd. y Fortalecimiento
Aguascalientes, del 15 al
Jurez. Curricular de las
18 de Junio de 2010.
asignaturas comunes por
rea de conocimiento para
los planes de estudio
actualizados del SNEST.
5.- OBJETIVO GENERAL DEL CURSO
Comprender los mtodos estadsticos para inferir los parmetros de la poblacin a partir de
una muestra de inters de estudio.
Determinar los intervalos de confianza referentes a la muestra de inters para inferir el valor
de los parmetros de la poblacin de partida.
Validar por pruebas de hiptesis, alguna medida de inters en la muestra, y la inferencia en
la poblacin de estudio las medidas de: especificacin, dimensiones en calidad, tolerancia,
prueba destructiva o no destructiva de materiales, empaques o embalajes, etc.
Determinar mediante las pruebas de bondad de ajuste el nivel de validez de los modelos en
los fenmenos logsticos que se presenten en la prctica profesional, su comportamiento y
control normado.

6.- COMPETENCIAS PREVIAS

Concepto y manejo de lmites y continuidad.
Aplicar reglas de derivacin.
Calcular Mximos y Mnimos
Tener conocimientos del clculo integral
Calcular e interpretar las medidas de tendencia central y de dispersin de una variable
Conceptuar la variable aleatoria: Discreta y Continua
Calcular una matriz inversa.
Calcular el valor esperado.
Utilizar las tablas de las distribuciones normal x, t y F.

7.- TEMARIO

Unidad Temas Subtemas

1.1. Introduccin a la Estadstica Inferencial
1.2. Muestreo: Introduccin al muestreo y tipos
de muestreo
1.3. Teorema del lmite central
1.4. Distribuciones fundamentales para el
muestreo
1.4.1. Distribucin muestral de la media
Distribuciones 1.4.2. Distribucin muestral de ladiferencia
1. Fundamentales para el de medias
Muestreo
1.4.3. Distribucin muestral de la
proporcin
1.4.4. Distribucin muestral de la diferencia
de proporciones
1.4.5. Distribucin t-student
1.4.6. Distribucin muestral de la varianza
1.4.7. Distribucin muestral de la relacin
de varianzas
2. Estimacin 2.1. Introduccin
 2.2. Caractersticas de un estimador
2.3. Estimacin puntual
2.4. Estimacin por intervalos
2.4.1. Intervalo de confianza para la media
2.4.2. Intervalo de confianza para la
diferencia de medias
2.4.3. Intervalos de confianza para la
proporcin
2.4.4. Intervalos de confianza para la
diferencia de proporciones
2.4.5. Intervalos de confianza para la
varianza
2.4.6. Intervalos de confianza para la
relacin de varianzas
2.5. Determinacin del tamao de muestra
2.5.1. Basado en la media de la Poblacin
2.5.2. Basado en la proporcin de la
Poblacin
2.5.3. Basado en la diferencia entre las
medias de la Poblacin.
3.1. Introduccin
3.2. Confiabilidad y significancia
3.3. Errores tipo I y tipo II
3.4. Potencia de la prueba
3.5. Formulacin de Hiptesis estadsticas
3.6. Prueba de hiptesis para la media
3.7. Prueba de hiptesis para la diferencia de
3. Pruebas de hiptesis
medias
3.8. Prueba de hiptesis para la proporcin
3.9. Prueba de hiptesis para la diferencia de
proporciones
3.10. Prueba de hiptesis para la varianza
3.11. Prueba de hiptesis para la relacin
de varianzas.
3.12. Uso de software estadstico
Pruebas de bondad de
4.1. Bondad de ajuste
4. ajuste y pruebas no
paramtricas 4.1.1. Anlisis Ji-Cuadrada
 4.1.2. Prueba de independencia
4.1.3. Prueba de la bondad del ajuste
4.1.4. Tablas de contingencia
4.1.5. Uso del software estadstico.
4.2. Pruebas no paramtricas
4.2.1. Escala de medicin
4.2.2. Mtodos estadsticos contra no
paramtricos
4.2.3. Prueba de Kolmogorov Smirnov
4.2.4. Prueba de Anderson Darling
4.2.5. Prueba de Ryan Joiner
4.2.6. Prueba de Shappiro Wilk.
4.2.7. Aplicaciones del paquete
computacional
5.1. Regresin Lineal simple
5.1.1. Prueba de hiptesis en la regresin
lineal simple
5.1.2. Calidad del ajuste en regresin lineal
simple
5.1.3. Estimacin y prediccin por intervalo
en regresin lineal simple
Regresin lineal simple y
5. 5.1.4. Uso de software estadstico
mltiple
5.2. Regresin lineal mltiple
5.2.1. Pruebas de hiptesis en regresin
lineal mltiple
5.2.2. Intervalos de confianza y prediccin
en regresin mltiple
5.2.3. Uso de un software estadstico
5.3. Regresin no lineal
8.- SUGERENCIAS DIDCTICAS
El docente debe:
Conocer el contenido de la materia, de tal forma que domine los contenidos y
mtodos de trabajo,
Dar respuesta a las preguntas que se generen en el grupo, pues es una materia
bsica de la ingeniera, que implica el desarrollo de los esquemas cognitivo,
conductual y procedimental en la formacin acadmica de los estudiantes.
Establecer los mtodos de trabajo en forma ordenada y precisa; explique las
variaciones que se puedan encontrar al solucionar problemas, fomente un ambiente
de grupo cordial y colaborativo en el aprendizaje.
Fomentar la investigacin de informacin cuantitativa y cualitativa sobre los
contenidos de la asignatura en distintas fuentes.
Propiciar el uso adecuado de conceptos, trminos propios y mtodos estadsticos,
parmetros poblacionales, intervalos de confianza, pruebas de hiptesis,
identificacin de los tipos de errores I y II, las pruebas de bondad de ajustes y el
clculo de la regresin.
Desarrollar actividades de anlisis para el establecimiento de criterios para la solucin
de problemas por equipo e independiente de tipo logstico.
Desarrollar ejemplos de aplicacin en el campo de la Ingeniera.
Organizar actividades de investigacin en torno a las operaciones logsticas o
Industriales.
Relacionar el contenido de la materia con otras materias propias de la actividad
logstica, para la solucin de problemas de forma interdisciplinaria.

Propiciar el uso adecuado de conceptos y trminos de Estadstica Inferencial I
Organizar actividades como: Clculo del tamao de la muestra, determinacin de los
intervalos de confianza,
Fomentar la investigacin de informacin sobre los contenidos de la asignatura en
distintas fuentes.
Desarrollar actividades de anlisis para la solucin de problemas.
9.- SUGERENCIAS DE EVALUACIN
Las evidencias de los aprendizajes que contribuyen al desarrollo de competencias son:
De comportamiento: Dinmica de grupos, mtodos de toma de decisiones,
observacin en participaciones individuales o grupales en clase, dialogo en forma de
interrogatorio.
De desempeo: Reportes de investigacin sean individuales o grupales, problemas
desarrollados en forma independiente.
De producto: AOP aprendizaje orientado a proyectos, ABP aprendizaje basado en
problemas, Mtodo de casos, Mtodos de creatividad, Mtodos de simulacin,
resolucin de problemas, Interactividad con la computadora, Portafolio de evidencias,
Rbricas de evaluacin.
De conocimiento: Pruebas objetivas de los temas vistos en clase, Mtodo de casos,
Anlisis de situaciones, Experimentos, Rbricas de evaluacin.

10.- UNIDADES DE APRENDIZAJE

Unidad 1: Teora del muestreo

Competencia especfica a desarrollar
Comprender la Teora del muestreo.
Distinguir entre muestreo aleatorio
probabilstico y no probabilstico.
Comprender los conceptos y aplicar
teora de distribuciones de muestreo y
diferentes tipos de fenmenos que se
presentan en una muestra.
Desarrollar la capacidad de anlisis
de los resultados obtenidos de un
estudio muestral.
Actividades de Aprendizaje
Investigacin bibliogrfica y discusin de
conceptos relacionados con el muestreo.
Proporcionar al estudiante dos situaciones
hipotticas de procesos y/o poblaciones
finitas para que en grupos de 2 alumnos,
obtengan de dichos procesos, un conjunto
de datos para su anlisis.
Obtener los valores de t, 2, F y Z de las
diferentes distribuciones mustrales.
Obtener los valores de probabilidad en
tablas para los diferentes valores de los
estadsticos t, 2, F y Z
Interpretar los resultados obtenidos.

Unidad 2: Teora de estimacin

Competencia especfica a desarrollar
Aplicar los fundamentos de la teora
de estimacin en problemas que
requieran el clculo del tamao de la
muestra, con los diferentes intervalos
de confianza de la media, proporcin
y varianza, que se relacionen con la
logstica.
Actividades de Aprendizaje
Proporcionar al estudiante dos situaciones
hipotticas de procesos y/o poblaciones
finitas para que en grupo de 2 alumnos,
obtengan de dichos procesos, un conjunto
de datos para su anlisis.
Obtener los valores de t, 2, F y Z de las
diferentes distribuciones mustrales.
Obtener los valores de probabilidad en
tablas para los diferentes valores de los
estadsticos t, 2, F y Z
Calcular dado un conjunto de datos los
intervalos de confianza, segn proceda,
para la media, diferencia de medias,
varianza, proporcin, diferencia de

Unidad 3: Prueba de hiptesis
Competencia especfica a desarrollar
Identificar y aplicar los conceptos
bsicos de una prueba de hiptesis.
Identificar los diferentes fenmenos
que se presentan en una prueba de
hiptesis.
Identificar y analizar cules son los
posibles fenmenos que se pueden
analizar a travs de una prueba de
hiptesis.
Unidad 4: Pruebas de bondad de ajuste y pruebas no paramtricas
Competencia especfica a desarrollar
Identificar y aplicar los conceptos de Resolver ejercicios aplicando:
las pruebas de bondad de ajuste
Establecer cul es la metodologa
aplicable a una prueba de bondad de
ajuste
Identificar y aplicar los conceptos de
una prueba no paramtrica.
proporciones varianza y relacin de
varianzas.
Interpretar el significado de los intervalos
de confianza para: la media, diferencia de
medias, la proporcin, diferencia de
proporciones, varianza y relacin de
varianzas.
Dado un conjunto de datos diferenciar la
importancia de utilizar estimadores
puntuales y estimadores por intervalos.
Determinar el tamao de la muestra.
Actividades de Aprendizaje
Formular y resolver ejercicios aplicando la
metodologa de prueba de hiptesis para: la
media, diferencia de medias, proporcin,
diferencia de proporciones, varianza y
relacin de varianzas
Obtener el tamao de la muestra para
diferentes situaciones del error tipo I, error
tipo II y para la potencia de la prueba.
Simular un caso en donde:
o Se genere una hiptesis para una
situacin en donde el inters pueda
ser, la media, diferencia de medias,
proporcin, diferencia de
proporciones, varianza y relacin de
varianzas.
o Generar datos del caso
o Probar la hiptesis del caso
o Obtener conclusiones
o Cambiar el tamao de muestra y
mostrar su impacto.
Actividades de Aprendizaje
o prueba 2,
o Prueba de Kolmogorov-Smirnov
o prueba de Anderson Darling
o Prueba de Ryan Joiner.
o Prueba de Shappiro Wilk.
Dado un conjunto de datos:
o Aplicar las tres pruebas
o Analizar los resultados
o Contrastar las pruebas
Unidad 5: Regresin Lineal Simple y Mltiple
Competencia especfica a desarrollar
Identificar y aplicar los conceptos
bsicos del modelo de regresin
lineal simple.
Establecer las condiciones para
distinguir entre una regresin y un
correlacin.
Identificar y aplicar los conceptos
bsicos del modelo de regresin
mltiple.
Identificar y aplicar los conceptos
bsicos del modelo de regresin no
lineal.
Actividades de Aprendizaje
Utilizar correctamente un modelo de
regresin para propsitos de estimacin y
prediccin
Comprender la importancia del anlisis de
regresin lineal simple y mltiple, y explique
los conceptos generales.
Aplicar las pruebas de hiptesis para
evaluar su calidad de ajuste.
Diferenciar entre regresin lineal simple y
mltiple para tomar decisiones acerca de
cul modelo usar en determinada
circunstancia.
Comprender la importancia del anlisis de
regresin no lineal y explique los conceptos
generales.
Aplicar las pruebas de hiptesis para
evaluar su calidad de ajuste.
Utilizar software, para obtener una
respuesta rpida y precisa en la generacin
de los parmetros de los modelos.
11.- FUENTES DE INFORMACIN
1. DeVore, J. (2005). Probabilidad y Estadstica para Ingeniera y Ciencias. Mxico:
Thomson
2. Hines, W. y Montgomery, D. (2003). Probabilidad y Estadstica para Ingeniera y
Administracin. Mxico: CECSA
3. Montgomery, D. C. y Runger, G. C. (1998). Probabilidad y Estadstica aplicadas a la
Ingeniera. Mxico: McGraw Hill.
4. Ross, S. M. (2001). Probabilidad y Estadstica para Ingenieros. Mxico: McGraw Hill.
5. Salvatore, D., Reagle, D. (2004). Estadstica y econometra. Espaa: Mc Graw-Hill.
6. Spiegel, M. R. (1992). Manual de Frmulas y Tablas Matemticas. Mxico: McGraw
Hill.
7. Spiegel, M. R. (1988). Probabilidad y Estadstica. Mxico: McGraw Hill.
8. Walpole, R. E., Myers, R. H., Myers, S. L. (1999). Probabilidad y Estadstica para
Ingenieros. Mxico: Pearson Prentice Hall.

12.- PRCTICAS PROPUESTAS

AOP Aprendizaje Orientado a Proyectos: Desarrollo por equipos de trabajo bajo la
gua del profesor con los estudiantes la coleccin de una muestra, para su anlisis,
aplicando las tcnicas y mtodos de trabajo desarrollados a lo largo del curso y su
presentacin por avances para cada parcial,
o Un proyecto de investigacin que utilice los conceptos de muestreo.
o Determinacin de parmetros de la muestra y sus estimadores.
o Pruebas de hiptesis, determinacin del error tipo I, tipo II.
o Pruebas e bondad de ajuste.
o Determinar la relacin entre variables por el anlisis de regresin
ABP Aprendizaje Basado en Problemas: Realizar en forma individual o por equipos,
los problemas propuestos en el curso en el rea logstica, con anlisis de resultados
obtenidos en cada unidad del temario, utilizando Excel, u otro software disponible.
Portafolio de evidencias con todos los problemas resueltos durante el curso.
Software propuesto a utilizar:
Excel
Statgraphics (consultar www.statgraphics)
Minitab
Mathcad
Software disponible.