1.

IDENTIFICACIÓN

DIVISIÓN ACADÉMICA Ingenierías

DEPARTAMENTO Ingeniería Industrial
PROGRAMA ACADÉMICO Ingenierías
NOMBRE DEL CURSO Análisis de Datos en Ingeniería
COMPONENTE CURRICULAR Profesional
CÓDIGO DEL CURSO EST 7042
NIVEL DEL CURSO 4-5 semestre
PRE-REQUISITO Algebra Lineal, Cálculo II
CO-REQUISITO Ninguno
NUMERO DE CRÉDITOS 4
TIPO DE CRÉDITO Obligatorio
NÚMERO DE HORAS DE
2
LABORATORIO SEMANALES
NUMERO DE HORAS POR SEMANA
8
DE TRABAJO INDEPENDIENTE
NUMERO DE SEMANAS 16
INTENSIDAD HORARIA SEMANAL 3 h teóricas, 2 h práctica
NIVEL DEL CURSO Pregrado
NOMBRE DEL PROFESOR Ing. Katherine Palacio Salgar
Ing. Luceny Guzmán Acuña
Ing. María Amalia Jubiz Díaz
Ing. César Henao Botero
Ing. Esneyder González Ponzón
Mat. Héctor López Ospina
Ing. Daniel Romero Rodríguez
Ing. Erick Maldonado Ascanio
Ing. Adriana Moros Daza
UBICACIÓN DEL PROFESOR Bloque K octavo piso – Oficina 8-45K

2. DESCRIPCIÓN SINTÉTICA

En esta asignatura se estudian los métodos y herramientas de análisis

estadístico necesario para la caracterización y modelación de los procesos
empresariales (tanto para producción de bienes como para la prestación de
servicios). Los tópicos que se estudian en esta asignatura comprende: El
análisis gráfico y numérico de conjuntos de datos; los conceptos de
probabilidad, variable aleatoria, distribuciones de probabilidad; algunas
distribuciones discretas y continuas importantes; los patrones de
comportamiento de los procesos, las herramientas para la estimación de los
parámetros de estos procesos; los métodos de comparación estadística.
3. JUSTIFICACIÓN

En la actualidad, la variabilidad de los procesos de las empresas implica la

incorporación de la incertidumbre acerca de su comportamiento. Con el fin de
tratar con el hecho inevitable de que los procesos productivos y de servicios no
son determinísticos, es necesario que el ingeniero moderno cuente con las
herramientas adecuadas que le permitan describir y analizar estos procesos
con el fin de tomar las respectivas decisiones con un menor grado de
incertidumbre y, por ende, un menor riesgo. Este curso sienta bases
conceptuales para posteriores desarrollos de metodologías de control y mejora
de procesos en asignaturas siguientes.

4. OBJETIVOS

4.1. OBJETIVO GENERAL

Brindarle al futuro ingeniero las herramientas de análisis que necesita para

comprender la variabilidad en los procesos de las empresas (tanto de producción
como de servicios), que le permitan reducir la incertidumbre y el riesgo al tomar las
decisiones de mejora.

4.2. OBJETIVOS ESPECÍFICOS

1. Conocer, aplicar e interpretar los métodos gráficos y numéricos para describir

conjuntos de datos cualitativos y cuantitativos.
2. Utilizar adecuadamente las medidas de centralización, posición y variabilidad,
en la toma de decisiones.
3. Aplicar los elementos básicos de la teoría de probabilidad para calcular la
probabilidad de un evento.
4. Analizar las características de un experimento para asociarlo a distribuciones
discretas o continuas específicas y utilizarlas para resolver problemas
prácticos.
5. Identificar los usos de estimadores puntuales en situaciones de muestreo
prácticas en una y dos poblaciones.
6. Estimar con un alto grado de confiabilidad los parámetros poblacionales y
utilizarlos en forma adecuada en la toma de decisiones.
7. Realizar pruebas de hipótesis unilaterales y bilaterales acerca de los
parámetros de una o más poblaciones y utilizarlas en la solución de problemas
prácticos.
8. Identificar un modelo de distribución de probabilidad apropiado a un conjunto
de datos muestrales mediante métodos gráficos y de contraste de hipótesis.
9. Ajustar modelos de regresión lineal simple teniendo en cuenta sus
fundamentos teóricos.
10. Utilizar herramientas computacionales para el análisis de datos.
4.3. RESULTADOS DE APRENDIZAJE DEL INGENIERO (SO) QUE SE
DESARROLLAN EN LA ASIGNATURA

 SO–6: Habilidad para desarrollar y conducir experimentación de forma

apropiada, analizar e interpretar datos y utilizar juicio de ingeniería para
sacar conclusiones.

4.4. RESULTADOS DE APRENDIZAJE DE LA ASIGNATURA

1. Identificar de su entorno variables asociadas a procesos de conteo y

medición que sean de interés para realizar su análisis estadístico,
organizarlos, analizarlos, caracterizarlos y construir adecuadamente
diferentes tipos de gráficos.
2. Extraer información de conjuntos de datos cualitativos y cuantitativos que se
encuentren en forma agrupada (tablas o gráficos).
3. Calcular e interpretar cada una de las medidas de centralización, posición y
variabilidad en un conjunto de datos no agrupados y utilizarlas
adecuadamente en la toma de decisiones.
4. Dado un experimento y varios eventos asociados a él calcular la
probabilidad de los mismos utilizando diferentes herramientas como:
numeración de puntos, técnicas de conteo (permutaciones y
combinaciones), axiomas de probabilidad, probabilidad condicional e
independencia de eventos y teorema de Bayes, de acuerdo a las
características del experimento.
5. Dados varios experimentos asociados a una variable aleatoria discreta
establecer su distribución de probabilidad o función de distribución y
utilizarla en la toma de decisiones.
6. Dada la función de densidad o de distribución de una variable aleatoria
continua utilizarla para responder un conjunto de interrogantes.
7. Dado un experimento asociado a variables aleatorias continuas o discretas
aplicar las propiedades del valor esperado y varianza en la toma adecuada
de decisiones.
8. Dado un experimento asociado a variables aleatorias modelarlo aplicando
diferentes distribuciones de probabilidad y las aproximaciones que se
puedan dar entre estas.
9. Dado un problema relacionado con estimadores, utilizar la distribución de
muestreo apropiada para el cálculo de probabilidades asociadas a éstos e
inferencias acerca de los parámetros de una o dos poblaciones.
10. Dada una afirmación con respecto a los parámetros de una o dos
poblaciones, utilizar la estimación para determinar la veracidad o falsedad
de dicha afirmación.
11. Dado una afirmación con respecto a los parámetros de una o dos
poblaciones, utilizar el procedimiento de la prueba de hipótesis para
determinar la veracidad o falsedad de dicha afirmación.
12. Utilizar adecuadamente los términos asociados a pruebas de hipótesis y los
resultados obtenidos en una muestra aleatoria para realizar inferencias con
respecto a los parámetros y establecer conclusiones correctas.
13. Dado un conjunto de datos continuos o discretas ajustarlo a una distribución
de probabilidad específica haciendo uso de la prueba Chi Cuadrado.
14. Dado una dependiente y una independiente determinar si es posible ajustar
un modelo de regresión lineal verificando los supuestos básicos del modelo,
las pruebas de hipótesis necesarias, los análisis de varianza y de
correlación.
15. Encontrado un modelo de regresión ajustado utilizarlo para realizar
estimaciones puntuales, intervalos de confianza y de predicción.
16. Desarrollar las técnicas estadísticas (Análisis descriptivos, Estimación,
Prueba de Hipótesis, Modelos de Regresión, entre otras) haciendo uso de
Software estadísticos.

5. METODOLOGÍA

La metodología a utilizar será la siguiente: el profesor expondrá los temas en

clase. Los estudiantes participarán de manera activa en el desarrollo de los
tópicos. Los alumnos también llevarán a cabo talleres, asignaciones e
investigaciones de manera independiente. Los temas de clase serán
complementados con prácticas utilizando el software del que se dispone para
este propósito.

6. MEDIOS

Medios comunes de clase (tablero, marcadores, etc.). Medios audiovisuales

(Computador Portátil, Video Beam), Excel, software estadístico como
STATGRAPHICS®, MATLAB®, entre otros. Bases de Datos y Catálogo Web.

7. CONTENIDO

1. INTRODUCCIÓN Y ESTADÍSTICA DESCRIPTIVA (6 HT, 4 HP)

1.1. Introducción.
1.1.1. Definición y términos básicos de la estadística.
1.1.2. Papel de la estadística en la ingeniería y en la ciencia.
1.1.3. Estadística descriptiva e inferencial.
1.2. Estadística descriptiva.
1.2.1. Organización de datos.
[Link]. Tipos de datos y de escalas de medición usados en
estadística.
[Link]. Organización de datos mediante de tablas.
[Link]. Representación gráfica de datos (histograma, barras,
circular, de puntos, Pareto, ojiva, barras bivariados, etc.).
1.2.2. Análisis de datos univariados.
 [Link]. Medidas de tendencia central o de centralización.
[Link]. Medidas de localización (de posición relativa).
[Link]. Medidas de dispersión o variabilidad.
[Link]. Medidas de forma.
[Link]. Tendencia central y dispersión para datos contenidos en
tablas de frecuencia agrupada o a partir de gráficos.
[Link]. Estandarización de datos, datos extremos, diagramas de
cajas.

2. PROBABILIDAD (10 HT, 4 HP)

2.1. Introducción, Definiciones básicas: experimento, espacio muestral,
eventos, etc.
2.2. Notación y operaciones entre de conjuntos.
2.3. Definición axiomática de probabilidad.
2.4. Técnicas de conteo.
2.5. Probabilidad condicional, Independencia de eventos.
2.6. Axiomas de probabilidad, eventos mutuamente excluyentes, eventos
independientes.
2.7. Ley de la probabilidad total y teorema de Bayes.

3. DISTRIBUCIONES DE PROBABILIDAD (10HT, 4 HP)

3.1. Variables aleatorias discretas y sus distribuciones de probabilidad,
distribución de probabilidad acumulada.
3.2. Valor esperado y varianza de una variable aleatoria discreta, propiedades.
3.3. Distribuciones de probabilidad discreta especiales (Binomial,
Hipergeométrica, Poisson, Binomial Negativa, Geométrica, Uniforme
Discreta).
3.4. Distribuciones de probabilidad continua y sus distribuciones de
probabilidad.
3.5. Valor esperado y varianza de una variable aleatoria continua, función de
distribución.
3.6. Distribuciones de probabilidad continua especiales (Normal, Exponencial,
Uniforme continua).
3.7. Relación entre las distribuciones de Poisson y exponencial.
3.8. Aproximaciones entre las distribuciones de probabilidad.

4. DISTRIBUCIONES DE MUESTREO (6 HT, 4 HP)

4.1. Conceptos básicos. (población, muestra, parámetro, estadístico,
estimador y propiedades, inferencia estadística, muestreo aleatorio,
distribución de muestreo).
4.2. Distribuciones asociadas a la distribución Normal (Chi cuadrado, t-
Student, Fisher).
4.3. Distribución de muestreo de la media (varianza poblacional conocida).
4.4. Teorema del límite central.
4.5. Ley de los grandes números.
 4.6. Distribución de muestreo de la media (varianza poblacional desconocida).
4.7. Distribución de muestreo de la varianza.
4.8. Distribución de muestreo de la proporción.
4.9. Distribución de muestreo de la diferencia de medias.
4.10. Distribución de muestreo del cociente de varianzas.
4.11. Distribución de muestreo de la diferencia de proporciones.

5. ESTIMACIÓN (6 HT, 4 HP)

5.1. Estimación puntual.
5.2. Estimación por intervalo.
5.2.1. Intervalos de confianza para la media (varianza conocida).
5.2.2. Intervalos de confianza para la media (varianza desconocida).
5.2.3. Intervalos de confianza para la varianza.
5.2.4. Intervalos de confianza para la proporción binomial.
5.2.5. Intervalos de confianza para la diferencia en medias.
5.2.6. Intervalos de confianza para el cociente de dos varianzas.
5.2.7. Intervalos de confianza para la diferencia de proporciones.
5.3. Intervalos de predicción y de tolerancia.

6. PRUEBAS DE HIPÓTESIS (10 HT, 4 HP)

6.1. Conceptos generales (pruebas de una y dos colas, valor P, tipos de
riesgo).
6.2. Prueba de hipótesis sobre la media de una población (varianza conocida).
6.3. Prueba de hipótesis sobre la media de una población (varianza
desconocida).
6.4. Prueba de hipótesis sobre la varianza.
6.5. Prueba de hipótesis sobre una proporción binomial.
6.6. Prueba de hipótesis para la diferencia en medias (varianzas conocidas).
6.7. Prueba de hipótesis para la diferencia en medias (varianzas conocidas).
6.8. Prueba de hipótesis para el cociente de dos varianzas.
6.9. Prueba de hipótesis para la diferencia de proporciones.
6.10. Valores P para las pruebas Z, t, Chi, F.
6.11. Prueba de bondad de ajuste Chi cuadrado.

7. REGRESIÓN LINEAL SIMPLE (6 HT, 2 HP)

7.1. Regresión lineal simple (modelos).
7.2. Estimación de parámetros por mínimos cuadrados.
7.3. Análisis de varianza.
7.4. Coeficientes de determinación y correlación.
7.5. Validación de supuestos (normalidad, homocedasticidad e
independencia).
7.6. Inferencias acerca de los coeficientes de regresión (prueba de hipótesis e
intervalos de confianza).
7.7. Predicción de nuevas observaciones.
7.8. Intervalos de confianza y predicción.
 8. EVALUACIÓN

Parcial Contenido Fecha Valoración

Parcial 1 Unidad 1 8 de Febrero (Semana 3) 12.5%
Examen 1 Unidad 2 Semana 6 12.5%
Parcial 2 Unidad 3 21 de Marzo (Semana 9) 25%
Examen 2 Unidad 4 Semana 12 10%
Parcial 3 Unidades 5 y 6 9 de Mayo (Semana 15) 20%
Examen Final Unidad 7 Según registro 20%

9. BIBLIOGRAFÍA

Textos

 Estadística. Richard Weimer. Editorial CECSA.

 Estadística Matemática. William Mendenhall
 Probability & Statistics for Engineers & Scientists. Walpole, Ronald E.
Pearson Prentice Hall. 2006.
 Engineering Statistics. Montgomery d., Runger G. John Wiley & Sons,
2003.