PROGRAMA DE ASIGNATURA
I. IDENTIFICACIÓN DE LA ASIGNATURA
Asignatura: Estadística Computacional Sigla: INF-280 Fecha de aprobación
11/10/2016
(Acuerdo CC.DD. 13/2016)
Créditos UTFSM: 3 Prerrequisitos: Examen:
MAT023 No tiene Unidad Académica que la
+ IWI-131 imparte
Créditos SCT : 5 Departamento de
Informática
Horas Cátedra Horas Ayudantía Horas Laboratorio Semestre en que se dicta
Semanal :3 Semanal: 1,5 Semanal: 1,5 Impar Par Ambos
X
Eje formativo : Ciencias de la Ingeniería Informática para
problemas complejos en la Industria
Tiempo total de dedicación a la asignatura: 163 horas cronológicas
Descripción de la Asignatura
El estudiante inicia el desarrollo de habilidades de análisis, interpretación y modelado de datos,
aplicando métodos básicos de recolección, síntesis y descripción de grupos de datos, y los
conceptos de variación e incerteza. Selecciona métodos de análisis basados en simulaciones
computacionales o aproximaciones clásicas. Interpreta y comunica los resultados obtenidos del
problema que dio origen al estudio.
Requisitos de entrada
• Aplicar los conocimiento del cálculo real, univariado y multivariado.
• Comprender conceptos básicos de algebra lineal.
• Programar utilizando algún lenguaje computacional.
Contribución al perfil de egreso
Competencia Específica
• Tomar decisiones bajo incerteza, riesgo e incertidumbre, fundamentándolas con la aplicación
de técnicas cuantitativas.
Competencias Transversales
• Comunicar información oral y escrita de manera eficaz al interior de las organizaciones en las
que se desempeña, como con entidades del entorno.
• Actuar con autonomía, flexibilidad, iniciativa, y pensamiento crítico al enfrentar problemáticas
de la profesión.
• Desarrollar su quehacer con sólidos criterios que le permitan asegurar calidad desde una
perspectiva sistémica.
• Manifestar conductas y actitudes de responsabilidad social y tolerancia, valorando principios
éticos.
1
Resultados de Aprendizaje que se esperan lograr en esta asignatura
• Utiliza un lenguaje estadístico apropiado, comunicando las bases y resultados de un estudio o
decisión.
• Distingue los conceptos de incerteza y variación, reconociéndolos como una característica
inherente a problemas complejos en ciencia, ingeniería y negocios.
• Analiza datos, aplicando técnicas gráficas y analíticas de acuerdo a los patrones y
regularidades existentes en diversos fenómenos aleatorios.
• Construye modelos estadísticos clásicos y computacionales, considerando técnicas para el
análisis de datos.
• Toma decisiones bajo condiciones de incertidumbre, apoyándose en modelos estadísticos.
• Aplica los principales métodos estadísticos computacionales, realizando experiencias en el
laboratorio.
Contenidos temáticos
• Análisis de datos de acuerdo al nivel de información; nominal, ordinal e intervalar, univariado y
multivariado, estructurados y no estructurados, mezcla de datos medidas de posición y escala,
métodos gráficos, box-plot, visualización de datos.
• Conceptos de teoría de probabilidad, distribución de probabilidad univariada, multivariada,
densidad de probabilidad marginal, condicional, independencia, covarianza y correlación.
• Distribución normal multivariada y distribución multinomial, vector de medias, matriz de
varianzas y covarianza, identidades e inecuaciones, mezclas de distribuciones propiedades.
• Cálculo variables y vectores aleatorios, convergencia, ley débil de los grandes números,
distribuciones límites, medidas de divergencia en distribuciones, teorema de Glivenko y Cantelli.
• Inferencia paramétrica, estimación puntual, métodos de estimación puntual, evaluación de
estimadores, dilema sesgo variancia, estimación por intervalos, evaluación de estimadores,
intervalos asintóticos.
• Aspectos computacionales de la estimación: inferencia estadística, estimación de máxima
verosimilitud y el algoritmo de maximización expectación (EM).
• Otros tipos de inferencia, inferencia Bootstrap, error estándar Bootstrap.
• Intervalos de confianza Bootstrap.
• Generación de datos sintéticos; variables aleatorias.
• Diseño de simulaciones computacionales.
Metodología de enseñanza y aprendizaje
• Clases expositivas.
• Clases invertidas (revisión de material previo a la clase).
• Laboratorios de modelos de datos usando el lenguaje R
Evaluación y calificación de la asignatura (Ajustado a Reglamento Institucional-Reglamento.
N°1)
Requisitos de El proceso de Evaluación y calificación consiste en:
aprobación • Certámenes (CE) :3
y calificación • Controles (CO) : Al menos 3 durante el semestre.
• Experiencias de laboratorio (LA): 5
NF = CE*65% + CO*10% + LA*25%
2
Recursos para el aprendizaje:
Plataforma virtual.
Bibliografía:
Texto Guía • Devore, J., L., (2008). Probabilidad y Estadística para Ingeniería y
Ciencias. Séptima edición.
Complementaria • James, G., Witten, D., Hastie, T., Tibshirani, R. (2014). An Introduction to
u Opcional the Statistical CRC-Learning with Applications in R. Ed. Springer-Verlag.
• Chernick, M., R., (2011) Bootstrap Methods. J. Wiley Press.
• Ross, S., M., (2010). Probabilidad y Estadística para Ingenieros Ed. Mac
Graw-Hill.
II. CÁLCULO DE CANTIDAD DE HORAS DE DEDICACIÓN - (SCT-Chile) - CUADRO
RESUMEN DE LA ASIGNATURA
Cantidad de horas de dedicación
ACTIVIDAD Cantidad de horas por Cantidad de Cantidad total de
semana semanas horas
PRESENCIAL
Cátedra o Clases teóricas 3 16 48
Ayudantía/Ejercicios 1,5 14 21
Visitas industriales (de
Campo)
Laboratorios / Taller 1,5 10 15
Evaluaciones (certámenes, 3 3 9
otros)
Otras (Especificar)
NO PRESENCIAL
Ayudantía
Tareas individuales y grupales 2 14 28
Estudio Personal (Individual o 3 14 42
grupal)
Proyecto
TOTAL (HORAS RELOJ) 163
Número total en CRÉDITOS TRANSFERIBLES 5
