- ES Español (Latinoamérica)

- EN English

3.40. AR401 Estadística e Instrumentos de Investigación (Obligatorio)
- Semestre: 8vo Sem. Créditos: 3
- Horas del curso: Teoría: 2 horas; Práctica: 2 horas;
- Sílabo:


Español (Latinoamérica)

English - Prerrequisitos:
- ES Español (Latinoamérica)

- EN English

3.40.1. Justificación Volver arriba


Estadística e Instrumentos de Investigación es el segundo curso del track de investigación, tomando la base de diseño de investigación de Metodología de la Investigación Científica (ARC400) y añadiendo el conjunto de herramientas de análisis cuantitativo y diseño de instrumentos – estadística descriptiva, estimación, contraste de hipótesis, regresión simple – que Taller de Investigación (ARC402) asumirá que el estudiante puede aplicar de forma autónoma a los datos de su propia tesis.
- ES Español (Latinoamérica)

- EN English

3.40.2. Objetivos Generales Volver arriba


- Resumir conjuntos de datos territoriales/urbanos mediante medidas numéricas de localización, dispersión y forma.
- Estimar parámetros poblacionales a partir de datos muestrales (estimación puntual y por intervalos) e interpretar intervalos de confianza en un contexto territorial.
- Formular y contrastar hipótesis estadísticas sobre fenómenos urbanos, interpretando correctamente la significancia.
- Ajustar e interpretar un modelo de regresión lineal simple que relacione dos variables urbanas.
- Diseñar y validar instrumentos de recolección de datos (encuestas, entrevistas estructuradas, fichas de observación) para una pregunta de investigación específica, incluyendo pruebas de confiabilidad y validez.
- ES Español (Latinoamérica)

- EN English

3.40.3. Contribución a los resultados (Outcomes) Volver arriba


- AG-A07) Conocimientos de Arquitectura: Aplica conocimientos de matemáticas, ciencias naturales y tecnologías de la información en soluciones arquitectónico-urbanísticas y de diseño de interiores. (Assessment)
- AG-A10) Conducción de Estudios: Conduce estudios de problemas usando métodos de investigación incluyendo conocimiento basado en investigación, diseño y conducción de experimentos, análisis e interpretación de datos y síntesis de información para producir conclusiones y recomendaciones válidas. (Assessment)
- ES Español (Latinoamérica)

- EN English

3.40.4. Contenido Volver arriba


- ES Español (Latinoamérica)

- EN English

3.40.4.1. Resúmenes Numéricos: Posición, Dispersión y Forma (12 horas) [Habilidades AG-A07] Volver arriba


Referencias Bibliográficas: (Moore et al., 2017)
Temas
- Medidas de posición: media, mediana, moda, media recortada y media ponderada
- Medidas de dispersión: varianza, desviación estándar, RIQ, MAD y rango
- Medidas de forma: asimetría y curtosis; cuantiles y percentiles
- Estadísticas de resumen robustas: resistencia a valores atípicos y distribuciones de colas pesadas
Aprendizaje esperado (Learning Outcomes)
- Calcular e interpretar medidas de posición, dispersión y forma para un conjunto de datos univariado [Usar]
- Seleccionar estadísticas de resumen apropiadas según las propiedades distribucionales de los datos [Usar]
- Comparar estadísticas de resumen clásicas y robustas y justificar la elección para un conjunto de datos dado [Evaluar]
- ES Español (Latinoamérica)

- EN English

3.40.4.2. Estimación Puntual (10 horas) [Habilidades AG-A07] Volver arriba


Referencias Bibliográficas: (Moore et al., 2017)
Temas
- Propiedades deseables: insesgamiento, consistencia, eficiencia y suficiencia
- Estimación por método de momentos: derivación y propiedades asintóticas
- Estimación de máxima verosimilitud: derivación, propiedades y principio de invarianza
- Cota inferior de Cramér-Rao y el concepto de información de Fisher
Aprendizaje esperado (Learning Outcomes)
- Describir las propiedades clave de los estimadores y explicar las concesiones entre ellas [Familiarizarse]
- Derivar estimadores por método de momentos y de máxima verosimilitud para distribuciones estándar [Usar]
- Evaluar la eficiencia de un estimador usando la cota inferior de Cramér-Rao [Evaluar]
- ES Español (Latinoamérica)

- EN English

3.40.4.3. Estimación por Intervalos e Intervalos de Confianza (10 horas) [Habilidades AG-A07] Volver arriba


Referencias Bibliográficas: (Moore et al., 2017)
Temas
- Construcción de intervalos de confianza mediante cantidades pivote y distribuciones exactas
- Interpretación correcta de los intervalos de confianza: probabilidad de cobertura y errores conceptuales comunes
- Intervalos de confianza para muestras grandes basados en normalidad asintótica
- Dualidad entre intervalos de confianza y pruebas de hipótesis
Aprendizaje esperado (Learning Outcomes)
- Construir intervalos de confianza para medias, proporciones y varianzas usando métodos exactos y de gran muestra [Usar]
- Interpretar correctamente los intervalos de confianza e identificar interpretaciones erróneas comunes [Usar]
- Explicar la dualidad entre intervalos de confianza y pruebas de hipótesis y utilizarla para extraer inferencias [Evaluar]
- ES Español (Latinoamérica)

- EN English

3.40.4.4. Fundamentos de las Pruebas de Hipótesis (10 horas) [Habilidades AG-A10] Volver arriba


Referencias Bibliográficas: (Moore et al., 2017)
Temas
- Marco de Neyman-Pearson: hipótesis nula y alternativa, regiones de rechazo, errores tipo I y II
- Valores p: definición, interpretación correcta y usos incorrectos comunes; potencia y tamaño de muestra
- Pruebas paramétricas comunes: prueba z, prueba t, prueba F y prueba ji-cuadrada
- Lema de Neyman-Pearson y pruebas uniformemente más poderosas
Aprendizaje esperado (Learning Outcomes)
- Explicar la lógica de las pruebas de hipótesis, los errores tipo I y II y el significado de un valor p [Familiarizarse]
- Aplicar pruebas paramétricas estándar e interpretar los resultados en contexto [Usar]
- Derivar la prueba más poderosa para una hipótesis simple usando el lema de Neyman-Pearson [Evaluar]
- ES Español (Latinoamérica)

- EN English

3.40.4.5. Regresión Lineal Simple (10 horas) [Habilidades AG-A10] Volver arriba


Referencias Bibliográficas: (Moore et al., 2017)
Temas
- Estimación por mínimos cuadrados ordinarios (MCO): derivación de coeficientes y sus propiedades
- Inferencia sobre coeficientes de regresión: pruebas t, intervalos de confianza y valores p
- Coeficiente de determinación R-cuadrado y descomposición de la varianza mediante análisis de varianza
- Teorema de Gauss-Markov: propiedad MELI del MCO bajo supuestos clásicos
Aprendizaje esperado (Learning Outcomes)
- Ajustar un modelo de regresión lineal simple e interpretar los coeficientes estimados [Usar]
- Realizar pruebas de hipótesis y construir intervalos de confianza para parámetros de regresión [Usar]
- Verificar los supuestos de Gauss-Markov y evaluar las consecuencias cuando se violan [Evaluar]
- ES Español (Latinoamérica)

- EN English

3.40.4.6. Hipótesis y Variables de la Investigación (12 horas) [Habilidades AG-A10] Volver arriba


Referencias Bibliográficas: (Salkind, 2017)
Temas
- Tipos de hipótesis: nula, alternativa, direccional y no direccional, y su relación con las preguntas de investigación
- Clasificación de variables: independientes, dependientes, de control y de confusión (confounding)
- Operacionalización de variables: definición de indicadores medibles y escalas de medición (nominal, ordinal, intervalo, razón)
- Relación entre hipótesis, variables y pruebas estadísticas de contraste: nivel de significancia, error tipo I y tipo II
- Representación gráfica de la relación entre variables mediante modelos conceptuales u operacionales
Aprendizaje esperado (Learning Outcomes)
- Distinguir entre hipótesis nula y alternativa, y entre variables independientes, dependientes y de control, en un problema de investigación de ingeniería civil [Familiarizarse]
- Formular una hipótesis de investigación comprobable y operacionalizar sus variables para un problema específico del área de especialización elegida [Usar]
- Evaluar la consistencia entre el marco teórico, la hipótesis planteada y el diseño de recolección de datos propuesto [Evaluar]
- ES Español (Latinoamérica)

- EN English

3.40.5. Referencias Bibliográficas Volver arriba


Moore, D. S., McCabe, G. P., and Craig, B. A. (2017). Introduction to the Practice of Statistics. W. H. Freeman, 9th edition.
Salkind, N. J. (2017). Statistics for People Who (Think They) Hate Statistics. SAGE Publications, 6th edition.