Empleo del lenguaje R en la enseñanza de Estadística Aplicada

Por favor, use este identificador para citar o enlazar este ítem: https://www.innovacioneducativa.unam.mx:8443/jspui/handle/123456789/5249

Título :	Empleo del lenguaje R en la enseñanza de Estadística Aplicada
Autor :	Gomez Gallardo, Wulfrano Torres Mendoza, Ricardo
Fecha de publicación :	2016
Resumen :	La materia de Estadística Aplicada actualmente se cursa en el quinto semestre para la carrera de Ingeniería Industrial, la cual está enfocada a temas relacionados a series de tiempo, modelos de regresión lineal simple y múltiple, diseño de experimentos, todos ellos relacionados con estadística inferencial y la estadística multivariada. Recientemente se aprobaron los planes de estudios para las diferentes carreras de la Facultad de Ingeniería, lo que genera un nicho de oportunidad, ya que el curso de Estadística Aplicada que se impartirá en el sexto semestre, ha cambiado en aproximadamente el 50% de los temas y subtemas, lo que abre la posibilidad de generar notas del curso que considere el uso de software de libre acceso en este caso el lenguaje de programación R. En general la mayoría de los libros de probabilidad y estadística contemplan el 50% del nuevo temario, sin embargo carecen de un elemento importante, que es la aplicación y problemas relacionados directamente en cuestiones que atañen a la Ingeniería Industrial empleando un lenguaje de programación de fácil manejo y potente (lenguaje R), que permita hacer análisis con grandes bases de datos y múltiples combinaciones. Debido a las aplicaciones con los que deben tratar los Ingenieros Industriales, en algunos casos no cuenta con las herramientas para poder establecer evaluaciones adecuadas y la manera de justificar los mejores métodos estadísticos e inferencia estadística para su análisis. R es una herramienta que permitirá manejar un gran número de información y de cálculos estadístico para posteriormente generar los análisis y resúmenes correspondientes. Se considera un impacto de 700 alumnos por año considerando las materias de: Estadística Aplicada ( 240 alumnos- todo el temario) Investigación de Operaciones II (180 alumnos- Cadenas de Markov y Teoría de decisiones) Sistemas de Calidad (120 alumnos- Diseño y análisis de experimentos y control estadístico de Procesos) Planeación y Control de la Producción (240 alumnos- Análisis de regresión y correlación)
URI :	http://132.248.161.133:8080/jspui/handle/123456789/5249
metadata.dc.contributor.responsible:	Gomez Gallardo, Wulfrano
metadata.dcterms.callforproject:	2016
metadata.dc.coverage.temporal:	2016-2017
metadata.dcterms.educationLevel.SEP:	Licenciatura nivel superior
metadata.dc.description.objective:	Objetivo General Fortalecer el proceso enseñanza aprendizaje enfocándolo en el análisis y obtención de resultados que permitan al estudiante en materias como Estadística Aplicada, Investigación de Operaciones II, Sistemas de Calidad, Planeación y Control de la Producción; con apoyo en las notas y la disponibilidad de la programación de los temas que se abordan. Objetivos Específicos Que los alumnos comiencen a incursionar en el lenguaje de programación en R y lo puedan emplear en cualquier otro curso o en su ámbito profesional, si es que están trabajando o cuando se incorporen al mismo. Facilitar el proceso de enseñanza aprendizaje, a los profesores, al contar con los códigos y la teoría específica de los temas de interés de sus respectivos cursos.
metadata.dc.description.hypothesis:	La programación de los algoritmos y su visualización en una plataforma de programación agiliza el proceso de enseñanza aprendizaje, para enfocarse en la evaluación de los conceptos abordados en la materia. La compilación de las aplicaciones en estadística aplicada permitirá al alumno tener un panorama de áreas de oportunidad en la vida profesional.
metadata.dc.description.strategies:	1.Establecer los objetivos, alcances y requisitos del estudio. En este punto se acotarán los temas y subtemas a tratar, esto incluirá el tipo de ejercicios resueltos en los capítulos, así como los propuestos por tema. En este mimo punto será necesario realizar la búsqueda bibliográfica. 2.Realizar los modelos a partir de lo propuesto en el punto uno. Una vez cubierto el punto 1, se procederá a programar los diferentes ejercicios o casos correspondientes en cada uno de los temas. 3.Elaborar apuntes para uso de los programas elaborados. Con la teoría recabada en el punto uno y los modelos desarrollados en el punto dos, se procederá a realizar las notas del curso. 4.Elaborar ponencia y someterla a la aprobación en algún congreso. Se pretende mostrar algunas de las aplicaciones en algún congreso nacional.
metadata.dc.description.goals:	Año 1: Crear un documento que muestre los temas y subtemas de estadística aplicada del nuevo plan de estudio. Crear un documento que muestre las aplicaciones de los temas de estadística aplicada en ingeniería industrial. Crear los algoritmos en R para los temas de estadística aplicada del nuevo plan de estudios.
metadata.dc.description.selfAssessment:	Se ha cumplido cabalmente los objetivos planteados en el proyecto, lo anterior se logró gracias a que se elaboraron planes de trabajo conducentes a revisar la literatura de cada uno de los temas que abarca el programa de Estadística Aplicada del plan de Ingeniería Industrial 2016. Una vez realizado esto se observaron diferentes enfoques para abordar un mismo tema, algunos de estos enfoques son similares y algunos otros se complementan entre sí. Esto dio pie a la elaboración de notas con un enfoque integral. En primer lugar, se observó la necesidad de revisar una serie de antecedentes, por lo que se decidió integrar un capítulo al que se le denominó, "lo que debería saber", para poder ayudar a los estudiantes y a los profesores a recuperar conocimiento previo adquirido en sus cursos de Probabilidad y estadística. Dicho material no estaba contemplado dentro del alcance del proyecto, sin embargo, por la relevancia que embiste para lograr los objetivos planteados en el mismo, se consideró necesaria su inclusión. En lo que respecta al tema de regresión se consideró emplear bibliografía especializada en modelos econométricos, debido a que en esta literatura se profundiza en la comprensión e interpretación de los modelos lineales abordados. En el caso de muestreo, herramienta base para todo ingeniero industrial, que desea hacer inferencias sobre alguna población para poder hacer estimaciones de los parámetros de interés asociados, como por ejemplo: encuestas de opinión, recolección de datos para diseñar un sistema de servicio, satisfacción de clientes, entre otros casos, también se optó por conseguir bibliografía especializada en el tema. Así mismo, en el caso de diseño de experimentos se vio la necesidad de revisar literatura especializada. Para los temas restantes, se revisó más de una referencia de libros de probabilidad y estadística. Al término del proyecto se consiguió conjuntar en un sólo documento los elementos teóricos, las herramientas que en este caso es el lenguaje de programación R, dichas herramientas se aplicaron en ejercicios enfocados a Ingeniería Industrial.
metadata.dc.description.goalsAchieved:	Se redactó un documento que engloba los temas de Estadística Aplicada del plan de estudios 2016, con aplicaciones y algoritmos en el lenguaje R: The R Project for Statistical Computing. Dicho documento tiene el objetivo de servir como referencia para impartir las asignaturas enlistadas en el Objetivo General.
metadata.dcterms.provenance:	Facultad de Ingeniería
metadata.dc.subject.DGAPA:	Ingenierías
metadata.dc.type:	Proyecto PAPIME
metadata.dc.contributor.coresponsible:	Torres Mendoza, Ricardo
Aparece en las colecciones:	1. Área de las Ciencias Físico Matemáticas y de las Ingenierías

Ficheros en este ítem:

No hay ficheros asociados a este ítem.

Mostrar el registro Dublin Core completo del ítem