MINISTERIO DE EDUCACIÓN

DIRECCIÓN DE FORMACIÓN TÉCNICA SUPERIOR

Instituto de Formación Técnica Superior Nº 29
"1983-2023. 40 Años de Democracia"

Tecnicatura Superior en Desarrollo de Software

Asignatura: Estadística y Probabilidades para el Desarrollo de Software

Presentación
La materia “Estadística y Probabilidades para el Desarrollo de Software” es de vital
importancia para los estudiantes de la Tecnicatura en Desarrollo de Software. En el
campo de la programación y el desarrollo de software, el análisis y la interpretación
de datos son fundamentales para la toma de decisiones informadas, la optimización
de algoritmos y el diseño de soluciones eficientes. Por lo tanto, es fundamental que
los estudiantes adquieran sólidos conocimientos en temas elementales de
Probabilidad y Estadística para desarrollarse exitosamente en esta área y tratar con
modelos y datos en escenarios de incertidumbre.
La primera parte de la materia se enfoca en el estudio de la Probabilidad. A través
de la simulación de eventos aleatorios y el cálculo de probabilidades y sus
aproximaciones empíricas utilizando Python, los estudiantes podrán comprender
cómo los conceptos probabilísticos subyacen en muchos problemas y situaciones
del mundo real en donde la incertidumbre abunda. Además, la generación de
variables aleatorias y la comprensión de las distribuciones de probabilidad les
permitirán modelar y simular fenómenos complejos, lo cual es especialmente
relevante en el desarrollo de algoritmos, optimización y simulación de sistemas. Los
resultados clásicos de convergencia darán marco a las aproximaciones empíricas
observadas en las simulaciones.
La segunda parte de la materia se centra en el estudio de la Estadística. Los
estudiantes aprenderán a analizar y visualizar datos utilizando herramientas y
librerías de Python, lo cual es esencial para identificar patrones, tendencias y
anomalías en los conjuntos de datos.
De esta forma, y al finalizar la materia, los estudiantes estarán preparados para
abordar proyectos de desarrollo de software más complejos y enfrentar los desafíos
profesionales futuros con una base sólida en aspectos elementales del estudio de la
Probabilidad y la Estadística y la modelación de fenómenos aleatorios.

Fundamentación y objetivos
La Probabilidad y la Estadística son disciplinas fundamentales para apoyar al
profesional en la optimización de algoritmos y la toma de decisiones informadas. Se
espera que del estudio de esta materia, los futuros profesionales conozcan y puedan
utilizar técnicas estadísticas para evaluar y mejorar el rendimiento de sus programas,
así como para tomar decisiones basadas en datos en situaciones complejas y/o para
modelar eventos aleatorios que pudieran ser de su interés práctico.
En este sentido, un egresado de la Tecnicatura en Desarrollo de Software debe tener
una comprensión profunda de temas elementales de estas disciplinas para poder
enfrentar los desafíos del análisis de datos, la optimización de algoritmos y la toma
de decisiones informadas en el desarrollo de software. Por ello, del paso por esta
asignatura se espera que los estudiantes puedan alcanzar los siguientes objetivos:
●​ Comprender los conceptos fundamentales de la Teoría de Probabilidades,
tales como eventos, espacios muestrales, probabilidad total, probabilidad
condicional y Teorema de Bayes.
●​ Simular fenómenos aleatorios y familiarizarse con el Método de Monte Carlo,
para estimar probabilidades tanto cuando su cálculo exacto es o no posible.
●​ Conocer las distribuciones de probabilidad más frecuentes, como la
distribución normal, binomial y exponencial.
●​ Adquirir conocimientos básicos de estadística descriptiva para resumir y
analizar conjuntos de datos. Esto incluye el cálculo de medidas de tendencia
central, como la media y la mediana, y medidas de dispersión, como la
varianza y la desviación estándar, así como la visualización y producción de
gráficos exploratorios que permitan la identificación de patrones, de casos
atípicos y la elaboración de conjeturas sobre lo observado.
●​ De forma transversal a todos los objetivos, se espera que los estudiantes
desarrollen habilidades para la simulación de fenómenos aleatorios y el
análisis de datos con Python.

Contenidos
Los contenidos se organizan en torno a dos bloques, con postas de entre dos y tres
semanas de duración, según se detalla a continuación.
●​ Bloque 1: Probabilidad (11 semanas)
○​ Posta 1: Cálculo y estimación de probabilidades (3 semanas)
■​ Introducción a la probabilidad y conceptos básicos.
■​ Comprender los conceptos fundamentales de la probabilidad.
 ■​ Familiarizarse con la terminología y la notación utilizada en
probabilidad.
■​ Estudiar eventos aleatorios y calcular probabilidades en
espacios muestrales finitos y equiprobables.
■​ Probabilidad total, condicional y Teorema de Bayes.
■​ Simulación de eventos aleatorios con Python.
■​ Utilizar Python para simular eventos aleatorios.
■​ Aplicar simulación Monte Carlo para estimar probabilidades.
○​ Posta 2: Variables aleatorias discretas y distribuciones de probabilidad
(2 semanas)
■​ Variables aleatorias discretas y distribuciones de probabilidad.
■​ Entender el concepto de variables aleatorias discretas y su
importancia como modelos de probabilidad de ciertos
fenómenos.
■​ Explorar diferentes distribuciones de probabilidad discretas, sus
parámetros y momentos: Bernoulli, binomial, geométrica y
Poisson.
■​ Simulación de variables aleatorias en Python.
■​ Aprender técnicas para generar muestras de distribuciones
utilizando Python.
■​ Implementar generadores de números aleatorios para simular
variables aleatorias.
■​ Utilizar las simulaciones para la estimación de probabilidades.
○​ Posta 3: Variables aleatorias continuas y distribuciones de probabilidad
(3 semanas)
■​ Variables aleatorias continuas y distribuciones de probabilidad.
■​ Entender el concepto de variables aleatorias continuas y su
importancia como modelos de probabilidad de ciertos
fenómenos.
■​ Explorar diferentes distribuciones de probabilidad continuas, sus
parámetros y momentos: uniforme, exponencial y normal.
■​ Simulación de variables aleatorias en Python.
■​ Aprender técnicas para generar muestras de distribuciones
utilizando Python.
 ■​ Implementar generadores de números aleatorios para simular
variables aleatorias.
■​ Utilizar las simulaciones para la estimación de probabilidades.
○​ Posta 4: Resultados de convergencia y distribución muestral (2
semanas)
■​ Ley de los grandes números y Teorema Central del Límite.
■​ Estudiar resultados de convergencia e introducir sobre su
importancia en la inferencia estadística.
■​ Aproximar probabilidades por distribuciones límite.
■​ Distribución muestral y simulación de muestras aleatorias.
■​ Estudio de la distribución muestral y cálculo de probabilidades.
■​ Generar muestras aleatorias utilizando Python y calcular
estadísticos descriptivos sobre las muestras generadas que
permitan dar cuenta numérica y visualmente los resultados de
convergencia estudiados.
■​ Interpretar los resultados y extraer conclusiones sobre la
convergencia.
●​ Bloque 2: Estadística (4 semanas)
○​ Posta 5: Análisis exploratorio de datos (3 semanas)
■​ Estadística descriptiva y análisis exploratorio de datos.
■​ Aplicar técnicas de estadística descriptiva para resumir y
analizar diferentes conjuntos de datos reales o simulados.
■​ Realizar análisis exploratorio de datos, describiendo lo
observado y produciendo conjeturas e informes al respecto.
■​ Realizar análisis exploratorio de datos utilizando gráficos y
visualizaciones en Python: distribución empírica, histogramas,
QQ-plots, boxplots, entre otros.
■​ Inspección visual e identificación de tendencias, clústeres y/u
observaciones atípicas.
■​ Calcular medidas de tendencia central y de dispersión utilizando
Python y compararlas, eligiendo la más adecuada para la
distribución empírica observada y/o supuesta.
Régimen de cursada y evaluación
La evaluación de la materia es formativa y de proceso. Para regularizar la cursada,
los y las estudiantes deberán:
●​ resolver en plataforma los checkpoints conceptuales y las prácticas
semanales asociadas a cada libro,
●​ producir y entregar 3 (tres) trabajos cortos de simulación al final de las postas
1, 3 y 5,
●​ resolver una autoevaluación conceptual individual por plataforma, asociada a
los conceptos estudiados en la materia.
Todos los trabajos cortos de simulación deberán ser de producción grupal, de hasta
5 estudiantes, y entregados en las fechas indicadas en el cronograma. En caso de
que la calificación de los trabajos de simulación resultara insuficiente, serán
devueltos con comentarios y podrán ser entregados con correcciones durante las
semanas de recuperación (semana 11, para los trabajos 1 y 2; semana 16, para el
trabajo 3).
En caso de que la calificación promedio de los checkpoints conceptuales no
superara el 50% de la calificación máxima (5 puntos), podrán ser recuperados a
través de una evaluación integral durante la última semana de recuperación
(semana 16).
La cursada de la materia será aprobada teniendo los 3 trabajos cortos de simulación
aprobados, la nota promedio de los checkpoints conceptuales, mayor o igual que 5,
todo esto ya sea en primera instancia o en instancia de recuperación; y la
autoevaluación conceptual individual aprobada (no tiene instancia de recuperación).
Quienes aprueben la cursada de la materia, deberán rendir un examen final en
modalidad coloquio en el que expongan los resultados de sus trabajos integradores,
a través de la producción de una pieza visual o en video. Cumpliendo este requisito,
la nota final se compondrá del promedio de las calificaciones del curso.
Cronograma y prácticas formativas

Semana Bloque y Objetivos Contenidos Organización de la Actividades de la semana Recursos

posta semana
Semana Bloque 1 - Introducir la Teoría Estudio de eventos Apertura Actividades de comprensión [video] Video de apertura
1 Posta 1 de Probabilidad y aleatorios y calcular ●​ Vista del video de y ejercitación del bloque.
conceptos probabilidades en apertura del bloque y ●​ Lectura del Libro 1: [video] Video de apertura de
básicos. espacios de la posta. Introducción a la la posta.
Comprender los muestrales finitos y ●​ Material 0 de Teoría de [libro] Libro 1.
conceptos equiprobables. Python: notebook de Probabilidad. [video] Videos
fundamentales de Estudio de la primeros pasos con ●​ Resolución del complementarios al Libro 1.
la probabilidad. probabilidad total, Python y su video checkpoint conceptual [cuestionario] Checkpoint
Familiarizarse con condicional y del asociado. del Libro 1. conceptual del Libro 1.
la terminología y la Teorema de Bayes. Semana 1 Prácticas formativas [cuestionario] Práctica
notación utilizada ●​ Lectura del Libro 1. ●​ Práctica Semanal 1: Semanal 1.
en probabilidad. ●​ Resolución del Probabilidades
checkpoint (ejercicios prácticos
conceptual del Libro sobre eventos
1. aleatorios, cálculo de
●​ Resolución de la probabilidades en
Práctica Semanal 1. espacios muestrales
finitos y equiprobables,
estudio de la
probabilidad total,
condicional y del
Teorema de Bayes).
●​ Primeros pasos con
Python: revisar el
video y el notebook
para conocer el
entorno en el que
resolverán las
prácticas formativas
de simulación y
análisis de datos en la
materia.
Semanas Bloque 1 - Iniciar las Simulación de Semana 2 Actividades de comprensión [archivo ipynb en google
2y3 Posta 1 prácticas de eventos aleatorios ●​ Trabajo con el y ejercitación colaboratory] Material 0:
simulación de con Python. material 1 de ●​ Lectura del material 1 primeros pasos con Python.
eventos aleatorios Simulación Monte Python, tanto en de Python: Modelado [video] Video sobre
con Python. Carlo para estimar notebook como en de eventos aleatorios primeros pasos con Python.
Utilizar simulación probabilidades. video. y cálculo de [archivo ipynb en google
Monte Carlo para Semana 3 probabilidades. colaboratory] Material 1 de
estimar ●​ Inicio de la Prácticas formativas Python.
probabilidades. resolución del ●​ Trabajo de [video] Video sobre material
Trabajo de Simulación 1: “La 1 de Python.
Simulación 1. paradoja del [tarea] Slot de entrega para
cumpleaños” la subida del Trabajo de
Simulación 1 (se entrega
hasta el fin de la semana 5).
Semana Bloque 1 - Entender el Variables aleatorias Semana 4 Actividades de comprensión [video] Video de apertura de
4 Posta 2 concepto de discretas y ●​ Lectura del Libro 2. y ejercitación la posta.
variables distribuciones de ●​ Resolución del ●​ Lectura del Libro 2: [libro] Libro 2.
aleatorias probabilidad: checkpoint Variables aleatorias [video] Videos
discretas y su Bernoulli, binomial, conceptual del Libro discretas. complementarios al Libro 2.
importancia como geométrica y 2. ●​ Resolución del [cuestionario] Checkpoint
modelos de Poisson. ●​ Resolución de la checkpoint conceptual conceptual del Libro 2.
probabilidad de Práctica Semanal 2. del Libro 2. [cuestionario] Práctica
ciertos Prácticas formativas Semanal 2.
fenómenos. ●​ Práctica Semanal 2:
Explorar diferentes Variables aleatorias
distribuciones de discretas (ejercicios
probabilidad prácticos sobre
discretas, sus variables aleatorias
parámetros y discretas y
momentos: distribuciones de
Bernoulli, probabilidad: Bernoulli,
binomial, binomial, geométrica y
geométrica y Poisson).
Poisson.
Semana Bloque 1 - Aprender técnicas Simulación de Semana 5 Actividades de comprensión [archivo ipynb en google
5 Posta 2 para generar variables aleatorias ●​ Trabajo con el y ejercitación colaboratory] Material 2 de
muestras de discretas para el material 2 de ●​ Lectura del material 2 Python.
distribuciones cálculo y/o la Python, tanto en de Python: Simulación [video] Video sobre material
utilizando Python. notebook como en de variables aleatorias 2 de Python.
 Implementar estimación de video. discretas y modelos de
generadores de probabilidades. ●​ Deadline para distribución de
números entrega del Trabajo probabilidad.
aleatorios para de Simulación 1.
simular variables
aleatorias.
Semanas Bloque 1 - Entender el Variables aleatorias Semana 6 Actividades de comprensión [video] Video de apertura de
6 Posta 3 concepto de continuas y ●​ Lectura del Libro 3. y ejercitación la posta.
variables distribuciones de ●​ Resolución del ●​ Lectura del Libro 3: [libro] Libro 3.
aleatorias probabilidad: checkpoint Variables aleatorias [video] Videos
continuas y su uniforme, conceptual del Libro continuas. complementarios al Libro 3.
importancia como exponencial y 3. ●​ Resolución del [cuestionario] Checkpoint
modelos de normal. ●​ Resolución de la checkpoint conceptual conceptual del Libro 3.
probabilidad de Práctica Semanal 3. del Libro 3. [cuestionario] Práctica
ciertos Prácticas formativas Semanal 3.
fenómenos. ●​ Práctica Semanal 3:
Explorar diferentes Variables aleatorias
distribuciones continuas (ejercicios
continuas, sus prácticos sobre
parámetros y variables aleatorias
momentos: continuas y
uniforme, distribuciones de
exponencial y probabilidad: uniforme,
normal. exponencial y normal).
Semanas Bloque 1 - Aprender técnicas Simulación de Semana 7 Actividades de comprensión [archivo ipynb en google
7y8 Posta 3 para generar variables aleatorias ●​ Trabajo con el y ejercitación colaboratory] Material 3 de
muestras de continuas para el material 3 de ●​ Lectura del material 3 Python.
distribuciones cálculo y/o la Python, tanto en de Python: Simulación [video] Video sobre material
continuas estimación de notebook como en de variables aleatorias 3 de Python.
utilizando Python. probabilidades. video. continuas y modelos [tarea] Slot de entrega para
Implementar Semana 8 de distribución de la subida del Trabajo de
generadores de ●​ Inicio de la probabilidad. Simulación 2 (se entrega
números resolución del Prácticas formativas hasta el fin de la semana
aleatorios para Trabajo de ●​ Trabajo de 10).
simular variables Simulación 2. Simulación 2:
aleatorias "Completando el
continuas. álbum del mundial"
Semana Bloque 1 - Estudiar Ley de los grandes Semana 9 Actividades de comprensión [video] Video de apertura de
9 Posta 4 resultados de números y Teorema ●​ Lectura del Libro 4. y ejercitación la posta.
convergencia e Central del Límite. ●​ Resolución del [libro] Libro 4.
 introducir sobre su Distribución checkpoint ●​ Lectura del Libro 4: [video] Videos
importancia en la muestral. conceptual del Libro Ley de los grandes complementarios al Libro 4.
inferencia 4. números y Teorema [cuestionario] Checkpoint
estadística. ●​ Resolución de la Central del Límite. conceptual del Libro 4.
Aproximar Práctica Semanal 4. ●​ Resolución del [cuestionario] Práctica
probabilidades por checkpoint conceptual Semanal 4.
distribuciones del Libro 4.
límite. Prácticas formativas
●​ Práctica Semanal 4:
Ley de los grandes
números y Teorema
Central del Límite
(ejercicios prácticos
sobre resultados de
convergencia como la
ley de los grandes
números y el Teorema
Central del Límite, y
de estudio de la
distribución muestral).
Semana Bloque 1 - Generar muestras Estudio de la Semana 10 Actividades de comprensión [archivo ipynb en google
10 Posta 4 aleatorias distribución ●​ Trabajo con el y ejercitación colaboratory] Material 4 de
utilizando Python y muestral, material 4 de ●​ Lectura del material 4 Python.
calcular simulación de Python, tanto en de Python: [video] Video sobre material
estadísticos muestras aleatorias notebook como en Distribución muestral y 4 de Python.
descriptivos sobre y visualización de video. resultados de
las muestras resultados de ●​ Deadline para convergencia.
generadas que convergencia. entrega del Trabajo
permitan dar de Simulación 2.
cuenta numérica y
visualmente los
resultados de
convergencia
estudiados.
Interpretar los
resultados y
extraer
conclusiones
sobre la
convergencia.
Semana Recuperación Ajustar y Reentrega de los Semana 11 Prácticas formativas [tarea] Slot de entrega para
11 primera reentregar los Trabajos de ●​ Reentregar los ●​ Reentrega de los la resubida de los Trabajos
instancia trabajos de Simulación 1 y 2, si Trabajos de Trabajos de de Simulación 1 y 2, si
simulación que es que tuvieran Simulación 1 y 2, si Simulación 1 y 2, si es correspondieran (se
hayan tenido correcciones. es que tuvieran que tuvieran entregan hasta el fin de la
observaciones y/o correcciones. correcciones. semana 11).
sugerencias de
ajuste.
Semana Bloque 2 - Aplicar técnicas de El trabajo de Semana 12 Actividades de comprensión [video] Video de apertura
12 Posta 5 estadística investigación ●​ Lectura del Libro 5. y ejercitación del bloque.
descriptiva para estadística. ●​ Resolución del ●​ Lectura del Libro 5: [video] Video de apertura de
resumir y analizar Población, muestra checkpoint Análisis exploratorio la posta.
datos. y variables. conceptual del Libro de datos. [libro] Libro 5.
Realizar análisis Tipos de muestreos 5. ●​ Resolución del test de [video] Videos
exploratorio de aleatorios. ●​ Resolución de la comprensión del Libro complementarios al Libro 5.
datos, Estadística Práctica Semanal 5. 5. [cuestionario] Checkpoint
describiendo lo descriptiva. Tabla Prácticas formativas conceptual del Libro 5.
observado y de frecuencias. ●​ Práctica 5: Análisis [cuestionario] Práctica
produciendo Medidas de exploratorio de datos Semanal 5.
conjeturas. tendencia central, (ejercicios prácticos
de variabilidad y de sobre estadística
posición. descriptiva y análisis
Gráficos exploratorio de datos,
estadísticos. medidas de tendencia
Comparación de central y de
muestras: error dispersión, distribución
estándar de la empírica, inferencia).
media.
Semanas Bloque 2 - Aplicar técnicas de Estadística Semana 13 Actividades de comprensión [archivo ipynb en google
13, 14 y Posta 5 estadística descriptiva y ●​ Trabajo con el y ejercitación colaboratory] Material 5 de
15 descriptiva para análisis exploratorio material 5 de ●​ Lectura del material 5 Python.
resumir y analizar de datos. Python, tanto en de Python: Simulación [video] Video sobre material
diferentes Medidas de notebook como en de variables aleatorias 5 de Python.
conjuntos de datos tendencia central y video. continuas y modelos [tarea] Slot de entrega para
reales o de dispersión Semana 14 de distribución de la subida del Trabajo de
simulados, utilizando Python. ●​ Inicio de la probabilidad. Simulación 3 (se entrega
Conjeturas y resolución del Prácticas formativas hasta el fin de la semana
esbozos de Trabajo de ●​ Trabajo de 15).
inferencias a partir Simulación 3. Simulación 3:
de lo observado. Semana 15 "¿Cómo es el mercado
 ●​ Deadline para laboral en el sector
entrega del Trabajo IT?"
de Simulación 3.
Semana Recuperación Ajustar y Reentrega del Semana 16 Prácticas formativas [tarea] Slot de entrega para
16 segunda reentregar el Trabajo de ●​ Reentregar el ●​ Reentrega del Trabajo la resubida del Trabajo de
instancia Trabajo de Simulación 3, si es Trabajo de de Simulación 3, si es Simulación 3, si
Simulación 3 que que tuviera Simulación 3, si es que tuviera correspondiera (se entrega
haya tenido correcciones. que tuviera correcciones. hasta mediados de la
observaciones y/o Resolución del correcciones. ●​ Resolución del semana 16).
sugerencias de recuperatorio ●​ Resolver el recuperatorio [cuestionario] Recuperatorio
ajuste. integrador de recuperatorio integrador de saberes integrador de saberes
Repasar y saberes prioritarios, integrador de prioritarios, en caso de prioritarios, si
recuperar saberes en caso de no saberes prioritarios, no haber logrado la correspondiera.
prioritarios. haber logrado la en caso de no haber nota promedio
nota promedio logrado la nota requerida en los
requerida en los promedio requerida checkpoints
checkpoints en los checkpoints conceptuales de las
conceptuales de las conceptuales de las cinco postas.
cinco postas. cinco postas.