UNIVERSIDAD NACIONAL DE TRUJILLO

ESCUELA DE POSGRADO
Unidad de Posgrado en Ciencias Físicas y Matemáticas

SILABO DEL CURSO

Estadística Bayesiana

I. DATOS GENERALES:

1.1 Experiencia Académica Estadística Aplicada

1.2 Código P81ES529A
1.3 Año calendario 2023
1.4 Semestre académico II
1.5 Ciclo 1
1.6 Créditos 4
1.7 Carácter Obligatorio
1.8 Requisitos
1.9 Número de horas 64
1.10 Duración 4 semanas
1.11 Fecha de Inicio 26 / 08 / 2023
1.12 Fecha de Término 01 / 10 / 2023
1.13 Docentes Dra. Rosa Adriana Chu Campos
Correo: rchucampos@unitru.edu.pe
Teléfono: 996633901
Ms. Noelia Patricia Rodríguez Paredes
Correo: nrodriguezp@unitru.edu.pe
Teléfono: 951599456

II. SUMILLA

La experiencia curricular pertenece al área de formación especializada y es de naturaleza teórico

– práctico, orientado a formar el perfil de un profesional altamente calificado con base científica y
tecnológica que conduce y asesora proyectos de investigación y desarrollo de nuevas tecnologías
estadísticas a nivel empresarial y gubernamental para lograr el desarrollo de la región y del país.
Para ello, se ha organizado en dos bloques temáticos:1. Inferencia Bayesiana y 2. Aplicaciones de
la Inferencia Bayesiana
Se hará uso de la estrategia de enseñanza-aprendizaje básico: Estudio de casos y estrategias
colaborativas.

III. COMPETENCIAS

Generales:
Evidencia, trasversalmente, responsabilidad social, investigación formativa, multidisciplinariedad e
interdisciplinariedad y compromiso ético, en el desarrollo de las competencias específicas.

Especificas:

1. Comprende el enfoque bayesiano, usando el teorema de bayes para construir

distribuciones conjugadas.
2. Estima y contrasta hipótesis de parámetros en modelos uniparamétricos.
3. Estima y contrasta hipótesis de parámetros en modelos multiparamétricos normales
y multinormales.
4. Estima parámetros de modelos de regresión lineal bayesiana (simple y múltiple).
5. Aplica métodos computacionales bayesianos.
6. Aplica modelos lineales generalizados (Regresión logística y Poisson)

F-M01.01-EPG-03 – (Rev. 1)
 7. Comprende la Inferencia multivariante bayesiana.

IV. PROGRAMACIÓN ACADÉMICA

4.2. PRIMERA UNIDAD: INFERENCIA BAYESIANA

4.2.1. DURACIÓN: desde 26 de agosto hasta 3 de setiembre de 2023
4.2.2. CRONOGRAMA

EVIDENCIAS
RESULTADOS DE INSTRUMENTOS Semanas 1 y 2
CAPACIDADES CONTENIDOS ESTRATEGIAS DE
APRENDIZAJES1 DE 26.08.23
TERMINALES DIDÁCTICA DESEMPEÑO EVALUACIÓN 03.09.23

Comprende el enfoque
bayesiano.
Usa el teorema de bayes Introducción a la
para construir estadística bayesiana.
Socialización de
distribuciones conjugadas. Densidades a priori. Informe de
silabo, Conferencia Rúbrica del 26.08.23
1y2 Construye intervalos Estimación puntual. trabajo
docente. Exposición trabajo práctico 27.08.23
bayesianos de Intervalos de credibilidad, práctico
de Trabajo práctico
credibilidad. pruebas de hipótesis,
Estima y contrasta modelos uniparamétricos.
hipótesis de parámetros en
modelos uniparamétricos.
Modelos Informe de
Estima y constrasta
multiparamétricos, Conferencia docente. trabajo Rúbrica del
hipótesis de parámetros en
Análisis bayesiano para la Exposición de práctico trabajo práctico 02.09.23
3 modelos
prueba de hipótesis de Trabajo práctico Informe de Rúbrica de 03.09.23
multiparamétricos examen 1
proporciones y medias Examen 1 examen 1
normales y multinomiales.
poblacionales

4.3. SEGUNDA UNIDAD: APLICACIONES DE LA INFERENCIA BAYESIANA

4.3.1. DURACIÓN: desde 9 de setiembre hasta el 17 de setiembre de 2023
4.3.2. CRONOGRAMA

EVIDENCIAS
CAPACIDADES RESULTADOS DE INSTRUMENTOS Semanas 3 y 4
TERMINALES CONTENIDOS ESTRATEGIAS DE
APRENDIZAJES2 DE 09.08.23
(CT) DIDÁCTICA DESEMPEÑO EVALUACIÓN 17.09.23)

Estima parámetros Modelos de regresión

de modelos de bayesiana (simple y múltiple)
regresión lineal Métodos computacionales Informe de
Conferencia docente.
bayesiana (lineal y bayesianos (algoritmo MCMC) trabajo Rúbrica del 09.09.23
4, 5 y 6 Exposición de Trabajo
múltiple). Modelos lineales generalizados práctico trabajo práctico 10.09.23
práctico
Aplica los métodos con enfoque bayesiano
computacionales (Regresión Logística y
bayesianos. Poisson)
Informe de
Comprende la Conferencia docente. trabajo Rúbrica del
inferencia Introducción a la Inferencia Exposición de Trabajo práctico trabajo práctico 16.09.23
7
multivariante multivariante Bayesiana práctico Informe de Rúbrica de 17.09.23
bayesiana Examen 2 examen 2 examen 2

i
Son enunciados que expresan logros que los estudiantes deben alcanzar (al término de cada unidad), en función a las capacidades terminales.

2 de 9
F-M01.01-EPG-03 – (Rev. 1)
V. MEDIOS Y MATERIALES

- Módulos de aprendizaje
- Trabajos prácticos
- Videos tutoriales
- Software estadístico
- Campus virtual
- Biblioteca virtual PROQUEST

VI. EVALUACIÓN

6.1. DISEÑO DE EVALUACIÓN

ASPECTOS CRITERIOS INSTRUMENTOS

CONCEPTUALES Dominio temático

Dominio de los softwares
estadísticos EPIDAT y R
PROCEDIMENTALES
STUDIO Rúbrica de examen

Sentido de la ética en el
ACTITUDES uso de software de
aplicación

El promedio final (PF) de la experiencia curricular se obtiene de promediar:

o Investigación formativa ………... (IF)
o Exposición de trabajo práctico grupal …........... (EP)
o Laboratorio ………….. (L)
o Examen de conocimientos …………. (PE)

Investigación Formativa (IF): Informe de investigación presentado al finalizar el curso.

Trabajo Práctico Grupal (TPG): Tareas asignadas en cada clase por el docente del curso
a los grupos que se formen.
Laboratorio (L): Conjunto de ejercicios presentados al final de cada unidad.
Prueba Escrita: Conjunto de ejercicios relacionados a determinadas situaciones
problemáticas que el estudiante deberá resolver en aula virtual.

PF = 0.30 IF + 0.20 TPG + 0.20 L + 0.30 PE

6.2. REQUISITOS DE APROBACIÓN

• El puntaje mínimo aprobatorio es 14

• 70% de asistencia al curso. El alumno con más del 30% de inasistencias quedará
inhabilitado
• Trabajo de investigación individual.

VII. ESTRATEGIA METODOLÓGICA

Las sesiones de aprendizaje serán dinámicas e interactivas y se utilizarán

• Estrategias para favorecer la adquisición, recuperación y personalización de la

3 de 9
F-M01.01-EPG-03 – (Rev. 1)
 información como: Organizadores previos, organizadores visuales, lecturas
complementarias.

• Estrategias de aprendizaje cooperativo: Aprendizaje en equipo.

• Uso de las tecnologías de la información y de la comunicación para la presentación
de la información conceptual, así como para la consulta de material complementario a la
información presentada en las sesiones de aprendizaje.
• Estrategias para favorecer la actuación, valoración y creatividad: análisis y
resolución de problemas, toma de decisiones.
• Estudio autodirigido. Veinte horas del total destinadas para el desarrollo del curso.

VIII. TUTORÍA ACADÉMICA

a. Propósito:
Apoyo pedagógico que brindan los docentes a sus estudiantes que requieran acciones
correctivas, remediales o de recuperación para alcanzar lograr las competencias y
capacidades de su asignatura.

b. Desarrollo de la tutoría
• Días: domingos
• Lugar: aula virtual
• Horario: 8:00 pm

IX. REFERENCIAS

Bolstad W. (2016). Introduction to Bayesian Statistics. Wiley & Intescience. USA.

Correa, J., & Becerra, C. (2018). Introducción a la Estadística Bayesiana (1st ed.).
Fondo Editorial ITM
Gelman A, Carlin J, Stern H, Rubin D. (2004). Bayesian Data Analysis. Second
edition. Chapman & Hall/CRC. USA.
Gómez, G.; Delicado, P. (2006). Curso de Inferencia y Decisión. Departamento de
Estadística e Investigación Operativa. Universidad Politécnica de Catalunya
Hogg, R.; Mckean, J.; Craig, A. (2019). Introduction Mathematical Statistics.
Pearson. (8th ed.)
Jackman S. (2009). Bayesian Analysis for the Social Sciences. Wiley. India.
Link W, Barker J (2010). Bayesian Inference with ecological applications. Elsevier.
China.
Lynch S. (2007). Introduction to Applied Bayesian Statistics and Estimation for
Social Scientists. Springer. USA
Rachev S, Hsu J, Bagasheva B, Fabozzi F. (2008). Bayesian Methods in Finance.
Wiley. USA.
Saravia J, Gómez E, Vásquez F. (2007). Estadística actuarial. Teoría y aplicaciones.
Pearson-Prentice Hall. España.
Vélez, R. (2019). Cálculo de Probabilidades 2. UNED. Universidad Nacional de
Educación a Distancia. Madrid.

4 de 9
F-M01.01-EPG-03 – (Rev. 1)
 Trujillo, 26 de agosto de 2023

------------------------------------- ---------------------------------------
Dra. Rosa Adriana Chu Campos Ms. Noelia Patricia Rodríguez Paredes
Código: 2619 Código: 6474

5 de 9
F-M01.01-EPG-03 – (Rev. 1)