INSTITUTO DE CIENCIAS POLARES, AMBIENTE Y
RECURSOS NATURALES
Año: 2017
PROGRAMA DE LA ASIGNATURA: CÓDIGO: 0108
Estadística Básica para Ciencias Naturales AÑO DE UBICACIÓN EN EL PLAN DE ESTUDIOS:
(0108) 2 año
FECHA ULTIMA REVISIÓN DE LA ASIGNATURA:
2017-03-15
CARRERA/S: Licenciatura en Ciencias Ambientales
4, Licenciatura en Biología V5, Licenciatura en
Geología v4
CARÁCTER: CUATRIMESTRAL (1ro) EQUIPO DOCENTE
TIPO: OBLIGATORIA
NIVEL: GRADO Nombre
y Cargo e-mail
MODALIDAD DEL DICTADO: PRESENCIAL
Apellido
MODALIDAD PROMOCION DIRECTA: NO
CARGA HORARIA SEMANAL: 6.00 HS Érica Profesora
ericaschlaps@[Link]
Schlaps Adjunta
CARGA HORARIA TOTAL: 102.00 HS
Luciano
Profesor
Javier lselzer@[Link]
Adjunto
Selzer
Emilio Asistente
eizarra@[Link]
Izarra de Primera
1. FUNDAMENTACION
La Estadística constituye un pilar básico de la interpretación de los patrones y mecanismos
subyacentes en la naturaleza y que son objeto continuo de estudio en las ciencias naturales.
Constituye una herramienta fundamental para la toma de decisiones, el análisis crítico de
resultados y la obtención de conclusiones.
La Estadística se ha convertido en una herramienta básica esencial para el trabajo profesional,
particularmente en la investigación científica. En este contexto, el curso es una introducción a la
estadística poniendo énfasis en las estrategias para la aplicación de la Estadística en la solución
de problemas reales en las Ciencias Naturales.
El curso de Estadística tiene por función brindar los conocimientos necesarios para la aplicación
de las técnicas estadísticas básicas en la futura vida profesional. Se considera que este curso es
útil tanto para los futuros egresados que se dediquen a la investigación científica, como para los
que se dediquen a la práctica profesional en las áreas de administración o gestión de recursos
naturales o ambientales en el ámbito privado o público.
El contenido global del curso abarca la Teoría de Probabilidades, la Estadística descriptiva e
inferencial (paramétrica y no-paramétrica, una introducción al Análisis de la Varianza y el Análisis
de la Regresión y Correlación). Si bien es de carácter fundamentalmente aplicado, se
complementa con aquellos elementos teóricos necesarios para elaborar estrategias para la toma,
análisis e interpretación de datos, para la formulación de diseños de muestreo y diseños
experimentales, y para la selección de las técnicas estadísticas apropiadas para cada caso. Esto
se logra a través de distintas actividades que permiten al alumnado iniciarse en el enfoque
cuantitativo de la realidad y adquirir habilidades para la formulación, análisis y resolución de
problemas típicos.
La articulación vertical se realizará permanente con los Docentes de las Asignaturas correlativas,
con el objetivo de lograr que los alumnos lleguen a la Asignatura con los conocimientos básicos
necesarios para poder comprenderla. Por otro lado, se trabajará con los Docentes de las
Asignaturas que tienen como correlativa a Estadística Básica para hacer hincapié en los temas
que éstas requieran para su normal dictado.
Con respecto a la articulación horizontal se tratará de aplicar los conocimientos que se van
adquiriendo en las Asignaturas que se dictan en simultáneo en los ejemplos que se dan en las
clases tanto prácticas como teóricas.
2. OBJETIVOS
a) OBJETIVOS GENERALES
El objetivo general del curso es iniciar al alumno en el campo de la estadística aplicada a la
solución de problemas en las ciencias naturales. Esto implica la adquisición de un enfoque
cuantitativo, empírico, probabilístico y objetivo de la realidad; el conocimiento de las operaciones y
cálculos necesarios para el análisis cualitativo y cuantitativo y el manejo de aquellos criterios
subyacentes en la toma de decisiones estadísticas.
b) OBJETIVOS ESPECIFICOS
Se intentan crear las condiciones de enseñanza que permita a los alumnos:
a) procurar la búsqueda de rigurosidad científica;
b) estimular el análisis crítico;
c) desarrollar la imaginación y creatividad;
d) estimular el desarrollo intelectual y ético de su personalidad;
e) fomentar una actitud flexible y de apertura mental;
f) efectuar una adecuada aplicación de las herramientas estadísticas a cada una de las áreas
específicas de las ciencias naturales en las que se especializarán
g) adquirir los conocimientos básicos de la materia, que incluyen el manejo del vocabulario, de los
conceptos más importantes, de la bibliografía, de las técnicas, etc.
h) conocer el beneficio que le reportará la aplicación de cada uno de los conceptos y técnicas
adquiridas.
3. CONDICIONES DE REGULARIDAD Y APROBACION DE LA ASIGNATURA
* Para Regularizar:
Para regularizar la asignatura el alumno deberá tener obtener una nota de cursada minina de 60%
y aprobar los exámenes parciales con una nota mínima de 60% y la entrega del proyecto con un
mínimo del 30% de participación en el mismo. La nota de cursada se calcula como se describe
abajo.
* Para aprobar:
Para aprobar la materia se deberá rendir un examen final. El énfasis del mismo estará en los
conocimientos teóricos y su interpretación con la aplicación. Se tendrá en cuenta la síntesis que
alumno realice con los nuevos conceptos adquiridos. Los exámenes se rendirán en las fechas
previstas en el Calendario Académico de la Facultad
La asignatura no tiene promoción.
La nota de cursada se calcula ponderando los siguientes items:
Actividad | Peso
--------------------------------------------------------------------------------------|----------
Asistencia a clases, participación y evaluación de pares | 5%
Entrega de Ejercicios | 10%
Cuestionario de Comprensión | 10%
Laboratorios en R | 10%
Proyecto | 15%
Parcial 1 | 25%
Parcial 2 | 25%
--------------------------------------------------------------------------------------|----------
Total | 100%
Asistencia a clases, participación y evaluación de pares:
Se espera que los alumnos vayan a clases y participen activamente de la misma, con preguntas y
respuestas. La asistencia y participación es una parte pequeña pero no insignificante de la nota
de cursada. Si bien puede pedirse a algún alumno en particular que responda una pregunta o
resuelva un ejercicio, se espera que sean participativos sin tener que ser llamados.
A través del cuatrimestre también se pedirá a los alumnos que completen algunas evaluaciones
de pares. Estas serán usadas para asegurar que todos los miembros del equipo contribuyan al
éxito del grupo y poder resolver los posibles problemas de manera temprana.
Entrega de Ejercicios:
Los ejercicios serán asignados aproximadamente por semana en el moodle de la materia y serán
problemas de la guía de trabajos práctico. Cada entrega constará de cinco a siete problemas que
serán evaluados y aproximadamente diez problemas de práctica. No es necesario entregar los
problemas de práctica. Los problemas serán entregados en la fecha estipulada, dentro del día
siguiente a la fecha de entrega se pierde el 30% de la nota. Más tarde que esa fecha, se
considerará cero como nota..
El objetivo de los problemas es ayudar a desarrollar una comprensión profunda de los temas y
preparar a los alumnos para los parciales y el proyecto. Se evaluará la precisión y la completitud.
Para recibir la nota deben mostrar todo el trabajo.
Se espera que los alumnos colaboren, y se alienta, pero cada uno debe entregar su propio
trabajo. Si se detectan copias ambos recibirán 0 para ese grupo de problemas.
La nota menor no se tomará en cuenta.
Laboratorios
En cada laboratorio se les pide a los alumnos que anoten quienes fueron a la sesión de
laboratorio y el porcentaje de contribución de cada miembro. Los miembros que no vayan a la
sesión de laboratorio perderán 20 puntos (máximo 100) en ese laboratorio. Los miembros que no
acudan al laboratorio y tampoco contribuyan al reporte de laboratorio de esa semana, no
obtendrán puntos de ese laboratorio. Los laboratorios serán entregados en la fecha estipulada,
dentro del día siguiente a la fecha de entrega se pierde el 30% de la nota. Más tarde que esa
fecha, se considerará cero como nota.
La nota menor no se tomará en cuenta.
Cuestionario de Comprensión
Al final de la unidad se harán cuestionarios para evaluar la comprensión que tiene el alumno
sobre el tema. Se harán 10 preguntas de elección múltiple.
La nota menor no se tomará en cuenta.
Proyecto:
El objetivo del proyecto es darle al alumno experiencia de investigación aplicada independiente
usando datos reales y métodos estadísticos. Completarán el proyecto a lo largo del cuatrimestre
en equipos. Habrá una entrega a mitad del cuatrimestre donde escribirán su propuesta de
investigación y presentarán resultados exploratorios. En esta etapa también describirán su
enfoque colaborativo describiendo la colaboración pasada y planeada de cada miembro y un plan
de como el trabajo se unirá.
Cada estudiante deberá completar el proyecto y obtener al menos un 30% del total de los puntos
posibles en el proyecto para aprobar la materia.
Los miembros del equipo proporcionarán el porcentaje de contribución de cada uno al producto
final, y las notas de los alumnos serán determinadas en base a la calidad del producto y su
contribución al trabajo. Si cada uno contribuye igualmente, los miembros del equipo recibirán la
nota total. A los miembros del equipo que no contribuyan lo suficiente se les serán deducidos
puntos
Parciales:
La asignatura contará con 2 parciales prácticos (se considera parcial aprobado con el 60% bien
desarrollado y si no se cometen errores conceptuales básicos en lo referente a los temas propios
de la asignatura), con sus respectivos recuperatorios.
4. CONTENIDOS DE LA ASIGNATURA
1. Estadística Descriptiva: Frecuencia: absoluta y relativa. Distribución de frecuencias: datos
agrupados y sin agrupar. Gráficos: diagrama de barras, histogramas, diagrama de dispersión.
Frecuencias acumuladas. Polígono de frecuencias y de frecuencias acumuladas. Medidas de
posición: media, mediana, moda, percentil, cuartiles. Propiedades y relaciones. Cálculo. Medidas
de dispersión: amplitud, desviación intercuartil, varianza muestral, desviación estándar. Cálculo.
La varianza como un cuadrado medio. Coeficiente de variación muestral Introducción a la Teoría
de muestreo: Muestreo aleatorio simple. Muestreo estratificado. Tablas de contingencia: Tipos.
Medidas de asociación.
2. Teoría de Probabilidad: Introducción a la teoría de Probabilidades. Experimentos aleatorios y
determinísticos, ejemplos. Técnicas de Contar. Espacio muestral. Sucesos. Función de
probabilidad. Espacio de probabilidad. Consecuencias de los axiomas. Espacios finitos de
probabilidad. Probabilidad condicional. Espacio de probabilidad condicionado. Independencia.
Propiedades. Teorema de las probabilidades totales. Teorema de Bayes, aplicaciones.
3. Variables Aleatorias: Definición. Función de distribución. Variables aleatorias discretas. Función
de masa de probabilidad de una v.a. discreta. Variables aleatorias continuas. Función de
densidad. Esperanza matemática. Significado de la Esperanza. Propiedades de la esperanza.
Varianza. Propiedades de la varianza. Significado de la varianza. Variables aleatorias
bidimensionales. Distribución conjunta de dos variables aleatorias. Propiedades de función de
distribución bivariante (Caso discreto y continuo).
4. Distribuciones Básicas: Distribución en probabilidades de variables aleatorias discretas:
Bemoulli, Binomial, Poisson, Binomial Negativa, Uniforme discreta. Uso de tablas. Aproximación
de Poisson a Binomial. Distribución de probabilidades de variables aleatorias continuas: Uniforme,
Normal o de Gauss - Laplace,.
5. Leyes de los grandes números: Teorema de Laplace - De Moivre. Teorema central del límite.
Distribuciones Muestrales: Distribución muestral de un estadístico. Error estándar. Distribución
muestral de medias, de varianzas, de diferencias de medias.
6. Estimación Estadística: Muestras. Muestras aleatorias. Estadísticos, definición. Algunos
estadísticos importantes. Estimación de parámetros. Criterios sobre estimadores: estimador
insesgado, suficiente, centrado, óptimo y eficiente. Métodos de estimación. Estimador puntual.
Estimadores de máxima verosimilitud. Estimación por intervalos: intervalos de confianza. Nivel de
confianza. Distribuciones: "t" de Student. Chi-cuadrado de Pearson. F de Fisher. Sus usos y
propiedades. Intervalos de confianza para medias, varianzas y diferencias de medias.
Suposiciones para la validez de las estimaciones en cada caso. Tamaño de la muestra. Uso de
los intervalos de confianza para responder acerca de las características poblacionales.
7. Pruebas de Hipótesis: Hipótesis estadísticas. Hipótesis: simples y compuestas, unilaterales y
bilaterales. Errores de tipo I y tipo II. Potencia de una prueba: su cálculo. Pruebas de hipótesis
para la media, una y dos muestras. Supuestos. Relación entre pruebas de hipótesis e intervalos
de confianza. Muestras pareadas: prueba de "t" para muestras pareadas. Prueba de hipótesis
para la varianza de dos muestras. Supuestos. Pruebas no paramétricas para 2 muestras.
8. Análisis de frecuencias: Prueba de chi-cuadrado de bondad de ajuste. Restricciones al uso de
la prueba. Estadístico G. Prueba de chi-cuadrado de independencia. Prueba de heterogeneidad.
Prueba de bondad de ajuste de Kolgomorov- Smirnov.
9. Introducción al Diseño Experimental: Análisis de la Varianza: Comparación de varias muestras.
Análisis de la varianza de un factor. Modelo lineal. Suposiciones del modelo. Grupos de igual y de
distinto tamaño. Estimación por mínimos cuadrados. Partición de la suma de cuadrados total y de
los grados de libertad total.
10. Regresión y Correlación: Introducción. Modelo de regresión lineal simple y suposiciones.
Ejemplos de regresiones no lineales: curva exponencial, curva logística, curva geométrica:
aplicaciones al estudio de alometrias. Estimadores de mínimos cuadrados. Varianza de los
estimadores. Intervalos de confianza. Evaluación de la recta de regresión. Intervalos de
predicción. Banda de confianza para la recta de regresión poblacional. Prueba de falta de ajuste.
Covarianza y Correlación. Modelo de correlación. Coeficiente de correlación. Prueba de
significación de la correlación. Transformación de Fisher. Comparación de Coeficientes de
Correlación. Coeficientes de correlación no paramétricos
5. RECURSOS NECESARIOS
Proyector
Pc
Laboratorio Informatica
6. PROGRAMACIÓN SEMANAL
Unidad /
Semana Descripción Bibliografía
Módulo
Presentación y Estadística Descriptiva
Semana 1 1 univariada: Tablas de Frecuencias, Gráficos, Zar, Sokal, Canavos, Martínez, Orlóci
Métodos de Muestreo
Zar, Alonso, Meyer, Sokal, Canavos,
Semana 2 1 Estadística Descriptiva Bivariada
Chou, Cuadras, Gotelli, Martínez
Introducción a Análisis reproducible con R (1); Zar, Alonso, Meyer, Sokal, Alonso,
Semana 3 2
Probabilidades Chou, Cuadras, Gotelli, Martínez
Probabilidades: Condicional e Independencia; Zar, Alonso, Meyer, Sokal, Alonso,
Semana 4 2
Laboratorio R(2): probabilidades Cuadras, Chou, Gotelli, Martínez
Zar, Alonso, Meyer, Sokal, Alonso,
Semana 5 3; 4 Variables Aleatorias Distribuciones Discretas
Cuadras, Chou, Gotelli, Martínez
Variables Aleatorias Distribuciones Continuas;
Zar, Meyer, Bussab, Chou, Cuadras,
Semana 6 3; 4; 5 Leyes de Grandes Números, Distribución de la
Gotelli, Orlóci
media muestral, error estándar
Zar, Alonso, Meyer, Sokal, Alonso,
Semana 7 1; 2; 3; 4; 5 Laboratorio R (3) Repaso
Cuadras, Chou, Gotelli, Martínez
1; 2; 3; 4; 5; Parcial; Estimadores: Estimadores de máxima Zar, Alonso, Meyer, Sokal, Alonso,
Semana 8
6 verosimilitud Cuadras, Chou, Gotelli, Martínez
Zar, Sokal, Meyer, Conover, Zar,
Pruebas de hipótesis: para una población; Cuadras, Azorin, Bancroft, Bussab,
Semana 9 7
Recuperatorio Chou, Cochran, Cuadras, Gotelli,
Martínez, Siegel
Estimadores: Estimadores por
Intervalo;Pruebas de hipótesis: para dos Zar, Meyer, Bussab, Chou, Cuadras,
Semana 10 6; 7
poblaciones, apareadas, intervalos de Gotelli, Orlóci
confianza
Zar, Meyer, Canavos, Chou, Cuadras,
Semana 11 8 Análisis de Frecuencias
Gotelli, Martínez
Zar, Meyer, Canavos, Chou, Cuadras,
Semana 12 9 Análisis de la Varianza
Gotelli, Martínez
Zar, Meyer, Canavos, Chou, Cuadras,
Semana 13 10 Regresión y Correlación
Gotelli, Martínez
Zar, Meyer, Bussab, Chou, Cuadras,
Semana 14 6; 7; 8; 9; 10 Laboratorio R (4), Repaso
Gotelli, Orlóci
Zar, Meyer, Bussab, Chou, Cuadras,
Semana 15 6; 7; 8; 9; 10 Parcial, Exposición Proyecto
Gotelli, Orlóci
Semana 16 6; 7; 8; 9; 10 Recuperatorio
7. BIBLIOGRAFIA DE LA ASIGNATURA
Lugar de Editor / Sitio
Autor Año Título Capítulo/s
la Edición Web
Fundamentos de
Alonso,G.; Ocaña,J;
1979 probabilidad en Eunibar
Cuadras,C.M.
Bioestadística.
Practical Nonparametric
Conover, W.J. 1980 Wiley & Sons
Statistics
Martínez-González M.A. Ediciones Díaz
Bioestadística Amigable. 3°
Editor, Sánchez-Villegas A. y 2009 de
Edición.
Faulin Fajardo J co-editores. Santos.
Neter, J; Wasserman,W.; Applied Linear Statistical
1990 M.H. IRWIN
Kutner. M. Models
Orlóci, L.; Kenkel, N.C. 1985 Introduction to data analysis ICPH
Estadística no paramétrica,
Siegel,S. and Castellan, N.J. 1995 aplicada a las ciencias de la Trillas
conducta
Freedman and
Sokal,RR; Rohlf,F.J. 1995 Biometry. [Link].
Company
Bioestatiscal Analysis. 4° Prentice-Hall,
Zar, J.H. 1999
ed. Inc.
Curso de Muestreo y
Azorin Poch,F. 1961 Aguilar
Aplicaciones
Introducción a la
Bancroft, H. 1974 EUDEBA
Bioestadística
Bussab, W. De O. y Morettin,
2003 Estatística Básica. 5° ed. Saraiva
Pedro A.
Probabilidad y Estadística.
Canavos, G.C. 1986 Mc. Graw Hill.
Aplicaciones y Métodos.
Chou, Ya-Lun 1993 Análisis Estadístico. 2° ed. McGraw Hill.
Cia. Ed.
Cochran, W.G. 1971 Técnicas de Muestreo.
Continental, S.A.
Cochran, W.G. and Cox, M.G. 1980 Diseños Experimentales Trillas
Problemas de
Probabilidades y
Cuadras, C.M. 1985 PPU. Barcelona.
Estadística. Vol 1:
Probabilidades.
Problemas de
Probabilidades y
Cuadras, C.M. 1985. 1985 PPU. Barcelona
Estadística. Vol 2: Inferencia
Estadística.
Sinauer
A primer of Ecological
Gotelli, N.J. y Ellison, A. M. 2004 Associates,
Statistics.
Inc.
Firma del docente-investigador responsable
VISADO
COORDINADOR DE LA CARRERA DIRECTOR DEL INSTITUTO SECRETARIO ACADEMICO UNTDF
Fecha : Fecha :
