TECNOLGICO NACIONAL DE MXICO

Secretara Acadmica, de Investigacin e Innovacin

Direccin de Docencia e Innovacin Educativa

1. Datos Generales de la asignatura

Nombre de la asignatura: Estadstica Inferencial I

Clave de la asignatura: AEF 1024

SATCA1: 3-2-5

Carrera: Ingeniera en Logstica e Ingeniera Industrial

2. Presentacin
Caracterizacin de la asignatura
Esta asignatura aporta al perfil del Ingeniero en Logstica e Ingeniero Industrial los elementos bsicos
para hacer anlisis a partir del estadstico de la muestra y conceptos de la estimacin estadstica. Le
permite establecer inferencias sobre una poblacin y conclusiones a partir de la informacin que
arrojan las pruebas estadsticas.

Estadstica Inferencial I es una asignatura integradora para la competencia especfica de Probabilidad y

Estadstica y a su vez provee las competencias previas para Estadstica Inferencial II, por lo que se
plantea como una asignatura bsica de la carrera de Ingeniera en Logstica e Industrial.

Con la asignatura de Investigacin de Operaciones II, as como en la de Simulacin tienen relacin los
temas de intervalos de confianza y pruebas de hiptesis. El tema de regresin lineal simple es
competencia previa para la asignatura de Administracin de Operaciones I. En Control Estadstico de la
Calidad es previo el tema de pruebas estadsticas. Tienen relacin los mtodos estadsticos en la
asignatura de Gestin de los Sistemas de Calidad, as como en Administracin del Mantenimiento. Por
lo que se pueden realizar proyectos integradores con cualquiera de esas asignaturas.

Intencin didctica
Se organiza la materia de Estadstica Inferencial I en cinco temas:

El tema uno, distribuciones fundamentales para el muestreo, 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.

En el tema dos sobre estimacin le brinda al estudiante los conceptos de estimacin puntual y por
intervalo de la media, proporcin, varianza, diferencia de medias y proporciones y relacin de
varianzas.

El tema tres contiene el procedimiento para realizar pruebas de hiptesis, tomando en cuenta la
confiabilidad y la eficacia de los errores tipo I y tipo II as como la determinacin de potencia de la
prueba a que se somete una muestra del experimento de inters respecto a una poblacin de referencia.

El tema cuatro introduce al estudiante a realizar pruebas de bondad y ajuste y pruebas no paramtricas
de una muestra en un experimento de inters respecto a una poblacin de referencia, verificando la

1
Sistema de Asignacin y Transferencia de Crditos Acadmicos

TecNM mayo 2016 Pgina | 1

 TECNOLGICO NACIONAL DE MXICO

Secretara Acadmica, de Investigacin e Innovacin
Direccin de Docencia e Innovacin Educativa

adecuacin del modelo probabilstico.

El tema cinco de regresin lineal simple introduce al estudiante al anlisis de la relacin lineal entre
dos variables, la aplicacin de la teora de mnimos cuadrados y el modelo matemtico resultante del
caso de estudio y sus lmites de validez.

El enfoque de la asignatura se presenta para que el estudiante desarrolle las competencias aplicando las
bases estadsticas obtenidas en las asignaturas anteriores, de tal forma que establezca el problema a
resolver con el diseo y anlisis de experimentos ms conveniente a una situacin real. Identifica,
variables a controlar y registrar los elementos que le permitan disear los problemas de manera ms
autnoma.

La lista de actividades de aprendizaje no es exhaustiva, se sugieren sobre todo las necesarias para hacer
ms significativo y efectivo el aprendizaje. Algunas de las actividades sugeridas pueden hacerse como
actividad extra clase y comenzar el diseo en clase a partir de la discusin de los resultados de las
observaciones. Se busca que el estudiante realice una investigacin de campo donde identifique alguna
caracterstica de su entorno y recopile la informacin correspondiente, haga anlisis estadstico, corra
un experimento y que interprete los resultados.

En el transcurso de las actividades es importante que el estudiante aprenda a valorar las actividades que
lleva a cabo y entienda que est construyendo su hacer futuro y en consecuencia acte de una manera
profesional; de igual manera, aprecie la importancia del conocimiento y los hbitos de trabajo;
desarrolle la precisin y la curiosidad, la puntualidad, el entusiasmo y el inters, la tenacidad, la
flexibilidad y la autonoma.

El docente de Estadstica Inferencial I debe mostrar y objetivar su conocimiento y experiencia en el

rea para construir escenarios de aprendizaje significativo en los estudiantes que inician su formacin
profesional. El docente enfatiza el desarrollo de las actividades de aprendizaje de esta asignatura a fin
de que ellas refuercen los aspectos formativos: incentivar la curiosidad, el entusiasmo, la puntualidad,
la constancia, el inters por mejorar, el respeto y la tolerancia hacia sus compaeros y docentes, a sus
ideas y enfoques y considerar tambin la responsabilidad social y el respeto al medio ambiente. El
docente de Estadstica Inferencial I debe de estar realizando actividades de investigacin.

3. Participantes en el diseo y seguimiento curricular del programa

Lugar y fecha de elaboracin o
revisin
Instituto Tecnolgico de
Aguascalientes del 15 al 18 de Educacin Tcnica, Acapulco, Implementacin Curricular y
junio de 2010.
Participantes Evento
Representantes de los Institutos
Tecnolgicos de: Elaboracin del programa de
Centro Interdisciplinario de estudio equivalente en la
Investigacin y Docencia en Reunin Nacional de
Aguascalientes, Apizaco, Boca Fortalecimiento Curricular de las
Ro, Celaya, Chetumal, asignaturas comunes por rea de
Chihuahua, Chilpancingo, conocimiento para los planes de
Chin, Cd. Cuauhtmoc, Cd. estudio actualizados del SNEST.
Jurez, Cd. Madero, Cd.

TecNM mayo 2016 Pgina | 2

 TECNOLGICO NACIONAL DE MXICO

Secretara Acadmica, de Investigacin e Innovacin
Direccin de Docencia e Innovacin Educativa

Victoria, Colima, Comitn,

Cuautla, Durango, El Llano de
Aguascalientes, Huixquilucan,
Valle Bravo, Guaymas,
Huatabampo, Huejutla, Iguala,
La Laguna, La Paz, La Zona
Maya, Len, Lerma, Linares,
Los Mochis, Matamoros,
Mazatln, Mrida, Mexicali,
Minatitln, Nuevo Laredo,
Orizaba, Pachuca, Puebla,
Quertaro, Reynosa, Roque,
Salina Cruz, Saltillo, San Luis
Potos, Tehuacn, Tepic,
Tijuana, Tlaxiaco, Toluca,
Torren, Tuxtepec, Valle de
Oaxaca, Veracruz,
Villahermosa, Zacatecas,
Zacatepec, Altiplano de
Tlaxcala, Coatzacoalcos,
Cuautitln Izcalli, Fresnillo,
Irapuato, La Sierra Norte
Puebla, Macuspana, Naranjos,
Ptzcuaro, Poza Rica, Progreso,
Puerto Vallarta, Tacmbaro,
Tamazula Gordiano, Tlaxco,
Venustiano Carranza,
Zacapoaxtla, Zonglica y
Oriente del Estado Hidalgo.
Representantes de los Institutos
Tecnolgicos de:
Aguascalientes, Apizaco, Boca
del Ro, Celaya, CRODE
Celaya, Cerro Azul, Chihuahua,
Cd. Cuauhtmoc, Cd. Hidalgo,
Cd. Jurez, Cd. Madero, Cd.
Valles, Coacalco, Colima, Reunin Nacional de
Instituto Tecnolgico de Morelia
Iguala, La Laguna, Lerdo, Los Seguimiento Curricular de las
del 10 al 13 de septiembre de
Cabos, Matamoros, Mrida, Asignaturas Equivalentes del
2013.
Morelia, Motl, Mzquiz, SNIT.
Nuevo Laredo, Nuevo Len,
Oriente del Estado de Mxico,
Orizaba, Pachuca, Progreso,
Purhepecha, Salvatierra, San
Juan del Ro, Santiago
Papasquiaro, Tantoyuca, Tepic,
Tlatlauquitpec, Valle de
TecNM mayo 2016 Pgina | 3

 TECNOLGICO NACIONAL DE MXICO

Secretara Acadmica, de Investigacin e Innovacin
Direccin de Docencia e Innovacin Educativa

Morelia, Venustiano Carranza,

Veracruz, Villahermosa,
Zacatecas y Zacatepec.

4. Competencia a desarrollar
Competencia especfica de la asignatura
Emplea los mtodos de muestreo adecuados para la obtencin de la muestra experimental con la
finalidad de realizar inferencias sobre la poblacin y el desarrollo de pruebas estadsticas.

5. Competencias previas
Aplica los conceptos de la teora de la probabilidad y estadstica para organizar, clasificar, analizar e
interpretar datos para la toma decisiones en aplicaciones de industrial y logstica.

6. Temario
No. Temas Subtemas
1 Distribuciones Fundamentales para el 1.1 Introduccin a la Estadstica Inferencial
Muestreo. 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.
1.4.2 Distribucin muestral de ladiferencia de
medias.
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.

TecNM mayo 2016 Pgina | 4

 TECNOLGICO NACIONAL DE MXICO

Secretara Acadmica, de Investigacin e Innovacin
Direccin de Docencia e Innovacin Educativa

3 Pruebas de hiptesis. 3.1 Introduccin.

4 Pruebas de bondad de ajuste y pruebas 4.1 Bondad de ajuste.
no paramtricas.
5 Regresin Lineal Simple.
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 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.
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.
4.2 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.
5.1 Prueba de hiptesis en la regresin lineal simple.
5.2 Calidad del ajuste en regresin lineal simple.
5.3 Estimacin y prediccin por intervalo en
regresin lineal simple.

7. Actividades de aprendizaje de los temas

Distribuciones Fundamentales para el Muestreo.
Competencias
Competencia especfica:
Escoge el tipo de muestreo al que corresponde un
experimento segn la seleccin de la variable de
estudio para observar su comportamiento.
Competencias genricas:
Capacidad de abstraccin, anlisis y
sntesis.
Capacidad de aplicar los conocimientos en
la prctica.
Capacidad para identificar, plantear y
resolver problemas.
Actividades de aprendizaje
Buscar informacin sobre conceptos
relacionados con el muestreo.
Discutir en grupo sobre los conceptos
investigados.
Distinguir entre muestreo aleatorio
probabilstico y no probabilstico.
Proporcionar al estudiante situaciones
hipotticas de procesos y/o poblaciones
finitas para que obtengan un conjunto de
datos para su anlisis.
Obtener los valores de probabilidad de t,
2, F y Z de las diferentes distribuciones
muestrales.
Interpretar los resultados obtenidos.

TecNM mayo 2016 Pgina | 5

 TECNOLGICO NACIONAL DE MXICO
Secretara Acadmica, de Investigacin e Innovacin
Estimacin.
Competencias
Competencia especfica:
Aplica los fundamentos de la teora de estimacin
en problemas que requieran el clculo del tamao
de la muestra para determinar los diferentes
intervalos de confianza segn la variable que se
est analizando en procesos industriales y
logsticos.
Competencias genricas:
Capacidad de abstraccin, anlisis y
sntesis.
Capacidad de aplicar los conocimientos en
la prctica.
Capacidad para identificar, plantear y
resolver problemas.
Pruebas de Hiptesis
Competencias
Competencia especfica:
Realiza pruebas de hiptesis para comparar si los
valores de los estadsticos obtenidos de una
muestra tienen una diferencia significativa con un
valor supuesto asumiendo cierto nivel de
confianza y tomando en cuenta los criterios de
aceptacin o rechazo en problemas de la industria
y la logstica que involucren errores tipo I o tipo
II.
Competencias genricas:
Capacidad de abstraccin, anlisis y
sntesis.
Capacidad de aplicar los conocimientos en
la prctica.
Capacidad para identificar, plantear y
TecNM mayo 2016
Direccin de Docencia e Innovacin Educativa
Utilizar TICs para obtener las
probabilidades de las diferentes
distribuciones a utilizar.
Actividades de aprendizaje
Buscar informacin sobre conceptos
relacionados con estimacin.
Discutir en grupo sobre los conceptos
investigados.
Dado un conjunto de datos diferenciar la
importancia de utilizar estimadores
puntuales y estimadores por intervalos.
Proporcionar al estudiante situaciones
hipotticas de procesos y/o poblaciones
finitas para que obtengan un conjunto de
datos para establecer una estimacin por
intervalo dependiendo la variable que se
est midiendo con el fin de obtener la
muestra definitiva.
Interpretar el significado de los intervalos
de confianza para: la media, diferencia de
medias, la proporcin, diferencia de
proporciones, varianza y relacin de
varianzas.
Utilizar TICs para obtener intervalos de
confianza y tamaos de muestra.
Actividades de aprendizaje
Buscar informacin sobre conceptos
relacionados con pruebas de hiptesis.
Discutir en grupo sobre los conceptos
investigados.
Formular y resolver ejercicios aplicando la
metodologa de prueba de hiptesis para la
variable que se est midiendo y obtener
tamao de muestra para diferentes
situaciones error tipo I, error tipo II y
potencia de la prueba.
Simular un caso en donde 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:
Pgina | 6

 TECNOLGICO NACIONAL DE MXICO

Secretara Acadmica, de Investigacin e Innovacin
Direccin de Docencia e Innovacin Educativa

resolver problemas. o Generar datos del caso.

o Probar la hiptesis del caso.
o Obtener conclusiones.
o Cambiar el tamao de muestra y
mostrar su impacto.
Utilizar TICs para realizar la prueba de
hiptesis.

Pruebas de bondad de ajuste y pruebas no paramtricas.

Competencias Actividades de aprendizaje
Competencia especfica: Buscar informacin sobre conceptos
Realiza pruebas de bondad de ajuste y no relacionados con pruebas de bondad de
paramtricas para determinar si el ajuste y pruebas no paramtricas.
comportamiento de un experimento se adecua a Discutir en grupo sobre los conceptos
una distribucin determinada en procesos de la investigados.
industria y la logstica. Resolver ejercicios aplicando:
o Prueba 2.
Competencias genricas: o Prueba de Kolmogorov-Smirnov.
Capacidad de abstraccin, anlisis y o prueba de Anderson Darling.
sntesis. o Prueba de Ryan Joiner.
Capacidad de aplicar los conocimientos en o Prueba de Shappiro Wilk.
la prctica. Dado un conjunto de datos: aplicar las
Capacidad para identificar, plantear y pruebas, analizar los resultados y
resolver problemas. contrastar las pruebas.
Utilizar TICs para realizar las pruebas de
bondad y ajuste y pruebas no paramtricas.

Regresin lineal simple.

Competencias
Competencia especfica:
Utiliza el diagrama de dispersin de datos
bivariados de un experimento para hacer una
estimacin en procesos de la industria y la
logstica aplicando los conceptos de regresin
lineal simple.
Competencias genricas:
Capacidad de abstraccin, anlisis y
sntesis.
Capacidad de aplicar los conocimientos en
la prctica.
Capacidad para identificar, plantear y
resolver problemas.
Actividades de aprendizaje
Buscar informacin sobre conceptos
relacionados con la regresin lineal
simple.
Discutir en grupo sobre los conceptos
investigados.
Utilizar un modelo de regresin para
propsitos de estimacin y prediccin para
analizar la relacin entre dos variables.
Comprender la importancia del anlisis de
regresin lineal simple.
Aplicar las pruebas de hiptesis para
evaluar su calidad de ajuste.
Utilizar TICs para realizar la regresin
lineal simple.

TecNM mayo 2016 Pgina | 7

 TECNOLGICO NACIONAL DE MXICO

Secretara Acadmica, de Investigacin e Innovacin
Direccin de Docencia e Innovacin Educativa

8. Prctica(s)
Proyecto de investigacin en el que utilice los conceptos de muestreo.
Determinacin de parmetros de la muestra y sus estimadores.
Pruebas de hiptesis, determinacin del error tipo I y tipo II.
Pruebas de bondad de ajuste.
Determinar la relacin entre variables por el anlisis de regresin.
Problemas propuestos en el curso en el rea logstica e industrial, con anlisis de resultados obtenidos
en cada tema utilizando TICs.

TICs propuestos a utilizar:

Microsoft Excel
Statgraphics (www.statgraphics.com)
Minitab
SPSS
Statictis
Softwares Matemticos: Mathcad, Maple, Scientific Workplace, Mathematica, Matlab.

9. Proyecto de asignatura
El objetivo del proyecto que plante el docente que imparta esta asignatura, es demostrar el desarrollo y
alcance de la(s) competencia(s) de la asignatura, considerando las siguientes fases:
Fundamentacin: marco referencial (terico, conceptual, contextual, legal) en el cual se
fundamenta el proyecto de acuerdo con un diagnstico realizado, mismo que permite a los
estudiantes lograr la comprensin de la realidad o situacin objeto de estudio para definir un
proceso de intervencin o hacer el diseo de un modelo.
Planeacin: con base en el diagnstico en esta fase se realiza el diseo del proyecto por parte
de los estudiantes con asesora del docente; implica planificar un proceso: de intervencin
empresarial, social o comunitario, el diseo de un modelo, entre otros, segn el tipo de proyecto, las
actividades a realizar los recursos requeridos y el cronograma de trabajo.
Ejecucin: consiste en el desarrollo de la planeacin del proyecto realizada por parte de los
estudiantes con asesora del docente, es decir en la intervencin (social, empresarial), o
construccin del modelo propuesto segn el tipo de proyecto, es la fase de mayor duracin que
implica el desempeo de las competencias genricas y especificas a desarrollar.
Evaluacin: es la fase final que aplica un juicio de valor en el contexto laboral-profesin, social
e investigativo, sta se debe realizar a travs del reconocimiento de logros y aspectos a mejorar se
estar promoviendo el concepto de evaluacin para la mejora continua, la meta cognicin, el
desarrollo del pensamiento crtico y reflexivo en los estudiantes.

10. Evaluacin por competencias

Las tcnicas, herramientas y/o instrumentos sugeridos que permiten obtener el producto del desarrollo
las actividades de aprendizaje: mapas conceptuales, reportes de prcticas, estudios de casos, exmenes,
exposiciones en clase, problemarios, portafolio de evidencias, proyecto de asignatura o integrador y
cuestionarios.

Las tcnicas, herramientas y/o instrumentos sugeridos que me permite constatar el logro o desempeo
de las competencias del estudiante: listas de cotejo, listas de verificacin, matrices de valoracin, guas
de observacin, coevaluacin y autoevaluacin.

TecNM mayo 2016 Pgina | 8

 TECNOLGICO NACIONAL DE MXICO

Secretara Acadmica, de Investigacin e Innovacin
Direccin de Docencia e Innovacin Educativa

11. Fuentes de informacin

1. Anderson, D. R. (2008). Estadstica para administracin y economa. (10. ed.) Mxico :
Cengage Learning.
2. Box, G. E. P. (2008). Estadstica para investigadores : Diseo, innovacin y descubrimiento.
(2. Ed.). Espaa : Revert
3. Berenson, M. (2006). Estadstica para administracin. (4. ed.) Mxico : Pearson Educacin.
4. Carot, V. (2006). Control estadstico de la calidad. Espaa : Alfaomega.
5. Devore, J. L. (2012) Probabilidad y estadstica para ingenieras y ciencia. (8. ed.) Mxico :
Cengage Learning.
6. Fernndez, A. M. (2006). Ejercicios de econometra. (2006). Espaa : McGraw-Hill.
7. Gamiz, B. E. (2012). Probabilidad y estadstica con prcticas en Excel. (3. ed). Mxico : JIT
Press.
8. Gujarati, D. (2010). Econometra. (5. Ed.). Mxico : McGraw-Hill.
9. Gutirrez, P. H. (2012). Anlisis y diseo de experimentos. (3. ed.) Mxico : McGraw-Hill
10. Gutirrez, P. H. (2009). Control estadstico de calidad y seis sigma. (2. ed) Mxico : McGraw-
Hill.
11. Hines, W. (2009) Probabilidad y estadstica para ingeniera (4. ed.) Mxico : CECSA : Grupo
Editorial Patria.
12. Johnson, R. A. (2012) Probabilidad y estadstica para ingenieros. (8. ed.) Mxico : Pearson
Educacin.
13. Kazmier, L. (2006). Estadstica aplicada a administracin y economa. (4. ed.) Mxico :
McGraw-Hill.
14. Larson, H. J. (1992). Introduccin a la teora de probabilidades e inferencia estadstica.
Mxico : Limusa.
15. Levine, D. M. (2010) Estadstica para administracin y economa. (7. ed.) Mxico : Pearson
Educacin.
16. Mendenhall, W. (2010). Introduccin a la Probabilidad y Estadstica. (13. ed.) Mxico:
Cengage Learning.
17. Montgomery, D. C. (2011). Probabilidad y estadstica aplicadas a la ingeniera. (2. ed.)
Mxico : Limusa : Wiley.
18. Quezada, L. (2010). Estadstica para ingenieros. Mxico : Empresa Editora Macro.
19. Rodrguez, F. J. (2008). Estadstica para administracin. Mxico : Grupo Editorial Patria.
20. Ross, S. M. (2002). Probabilidad y estadstica para ingenieros. Mxico : McGraw-Hill.
21. Salvatore, D. (2004). Estadstica y econometra. (2. Ed.). Espaa : McGraw-Hill.
22. Spiegel, M. (2010). Frmulas y tablas de matemtica aplicada. (3. ed.) Mxico : McGraw-Hill
23. Spiegel, M. (2010). Teora y problemas de Probabilidad y estadstica. (3. Ed.) Mxico :
McGraw-Hill.
24. Wackerly, D. D. (2010). Estadstica matemtica con aplicaciones. (7. ed.) Mxico : Cengage
Learning.
25. Walpole, R. E. (2012). Probabilidad y estadstica para ingeniera y ciencias. (9. ed) Mxico :
Pearson Educacin.

TecNM mayo 2016 Pgina | 9