Ir a Contenido Principal

AURORA - Sistema de Información Académico

 

AYUDA | SALIR

Información detallada de curso

 

Primer semestre 2015
Mar 28, 2024
Imagen transparente
1. IDENTIFICACION DEL CURSO

Código y Nombre de la Asignatura: EST 1051 - ANALISIS DE DATOS EN INGENIERIA II
División Académica: División de Ingenierías
Departamento Académico: Dpto. Ingeniería Industrial
EST 7042 Calificación mínima de 3.0 o EST 1040 Calificación mínima de 3.0
Número de créditos:
Intensidad horaria (semanal para nivel pregrado y total para nivel postgrado):
2.000 Horas de Teoría
2.000 Horas de Laboratorio
Niveles: Educación Superior Pregrado
Tipos de Horario: Teoría y Laboratorio

En esta asignatura se continúa con el estudio de los métodos y herramientas de análisis estadístico, necesarios para la caracterización y modelación de los procesos empresariales (tanto para producción de bienes como para la prestación de servicios). En este segundo curso se cubren los siguientes temas: modelos no paramétricos, modelos de regresión avanzados, series de tiempo estocásticas y modelos de elección discreta.

3. JUSTIFICACION

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 industriales no son determinísticos, es necesario que el ingeniero industrial 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 industrial 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 ESPECIFICOS
- Aplicar la técnica estadística apropiada según el caso analizado
- Interpretar los resultados de los modelos aplicados y hacer los ajustes del caso

5. RESULTADOS DE APRENDIZAJE

Al finalizar el curso, los estudiantes deben estar en capacidad de:
Conocimientos (saber conocer)
-Reconocer cuando debe aplicarse una determinada técnica estadística
-Interpretar los resultados de los modelos aplicados y hacer los ajustes del caso
Habilidades (saber hacer)
-Utilizar paquetes estadísticos para el análisis de los datos e interpretar sus resultados
-Aplicar la técnica estadística apropiada según el caso analizado
Actitudes (saber ser)
-Mostrar motivación hacia la asignatura.

6. CONTENIDO

Modelos No Paramétricos
-Prueba de signos
-Prueba de suma de rangos de Wilcoxon
-Métodos no paramétricos en el análisis de varianza
Modelos de Regresión Avanzados
-Modelos de regresión polinomiales
-Modelos de regresión no lineales
-Verificación de supuestos
-Corrección a la violación de supuestos
Sries de tiempo estocásticas
-Series de tiempo estacionarias y no estacionarias. Función de autocorrelación
-Modelos AR
-Modelos Ma
-Modelos ARMA y ARIMA
-Metodología de Box - Jenkins
Modelos de elección discreta
-Modelos Logit
-Modelos Probit

7. OPCIONES METODOLOGICAS-ACTIVIDADES DE APRENDIZAJE

Exposiciones por parte del profesor sobre cada uno de los tópicos del programa con la participación de los estudiantes a través de resolución de problemas y talleres.

8. EVALUACION

Primer parcial escrito. 25%
Segundo parcial escrito. 25%
Evaluación Final. 25%
Trabajos, quices y talleres. 25%

9. BIBLIOGRAFIA

Textos Guía:
Montgomery, Douglas. George Runger. Probabilidad y Estadística aplicada a la Ingeniería. 2da edición. Limusa Wiley.
Brockwell, Peter. Introduction to time series and forecasting. Springer

Textos Suplementarios:
J.P. Marques de Sá. Applied statistics using SPSS, Statistica and Matlab. Springer.
Bowerman, Bruce. Richard O-Connell. Business Statistics in Practice. Mc Graw Hill
Brockwell Peter, J. Ricard Davis. Introduction to time series and forecasting. Springer text in Statistics.
Bowerman Bruce. Business Statistics in Practice. Mc Graw Hill
Regresar a Anterior Nueva búsqueda
Imagen transparente
Versión: 8.7.2 [BSC: 8.10]