UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
RESOLUCIÓN N° 0252-2023-CU-UNALM
SÍLABO
1. Información General
a) Asignatura : Análisis de Regresión
b) Código : EP6003
c) Créditos :4
d) Horas de teoría :3
e) Horas de práctica :2
f) Requisitos : Estadística General, Álgebra matricial
g) Docente : Porras Cerrón, Jaime Carlos (jaimepc@[Link])
h) Ciclo :5
i) Semestre : 2025 - II
j) Modalidad : Presencial
2. Sumilla
El curso Análisis de Regresión pertenece al área de formación de la especialidad, es de
carácter obligatorio y de naturaleza teórico-práctica. El curso pretende desarrollar en
el estudiante la capacidad de modelar una variable cuantitativa en función de otras y
realizar inferencia sobre sus parámetros. Comprende las siguientes unidades o
capítulos: Análisis de correlación y regresión lineal simple. Modelo de Regresión
múltiple. Comprobación de la adecuación del modelo. Transformaciones para corregir
inadecuaciones. Valores atípicos e influenciales. Variables indicadoras. Métodos de
selección de variables. Multicolinealidad. Modelos de regresión polinomiales.
3. Competencias
Competencia general
Construye modelos estadísticos de regresión de una variable en función de otras,
mediante formalización matemática, con el propósito de aumentar su comprensión,
hacer predicciones y ayudar a su control.
Competencias específicas
• Aplica metodologías estadísticas de análisis de datos mediante regresión lineal,
utilizando software estadístico.
• Evalúa la adecuación de métodos y modelos estadísticos de regresión.
• Identifica y soluciona los principales problemas de inadecuación de un modelo de
regresión
• Interpreta y comunica inferencia resultante en regresión, utilizando lenguaje
estadístico.
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
RESOLUCIÓN N° 0252-2023-CU-UNALM
4. Programa Calendarizado de Contenidos
UNIDAD 1: ANÁLISIS DE CORRELACIÓN Y REGRESIÓN LINEAL SIMPLE
Logro:
Al final de la unidad, el estudiante explica los conceptos básicos relacionados a la
correlación y regresión y los aplica en un caso con dos variables.
Contenidos conceptuales:
Coeficiente de correlación, estimación e inferencia sobre el coeficiente de
correlación, matriz de correlaciones poblacional y muestral.
El modelo de regresión lineal simple, estimación de parámetros, prueba de
hipótesis, análisis de la variancia, coeficiente de determinación, estimación por
intervalo, predicción de nuevas observaciones, coeficiente de determinación.
Contenidos procedimentales:
Identifica los datos factibles de aplicación de análisis de correlación
Semanas Calcula, interpreta, prueba la hipótesis referida a la correlación
1y2 Identifica un problema o caso donde es aplicable la regresión lineal.
Describe los componentes del modelo de regresión
Obtiene la ecuación de regresión usando software estadístico y/o lenguaje R.
Interpreta los resultados que proporciona un software estadístico y/o lenguaje
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer
diario, puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Contribución a la investigación formativa:
Observar hechos de la naturaleza. Usar las técnicas instrumentales y manejar el
equipo correctamente
Evaluaciones de la Unidad:
Evaluación continua 1. Evaluación práctica 1.
Referencias bibliográficas obligatorias
• McGibney, Daniel (2023). Applied Linear Regression for Business Analytics with R.
p. 33 - 90
• Montgomery, D., Peck, E., Vining, G. (2012). Introduction to Linear Regression
Analysis. Wiley. p. 1 – 66.
• Weisberg, S. (2014) Applied Linear Regression. Wiley. p. 1-50
UNIDAD 2: REGRESIÓN LINEAL MÚLTIPLE
Logro:
Semanas Al final de la unidad, el estudiante ajusta e interpreta un modelo de regresión lineal
3y4 múltiple, y realiza predicciones a partir del mismo, utilizando casos prácticos y
conjuntos de datos reales.
Contenidos conceptuales:
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
RESOLUCIÓN N° 0252-2023-CU-UNALM
El modelo de regresión múltiple, estimación de los parámetros del modelo, prueba
de hipótesis, intervalos de confianza en regresión, predicción de nuevas
observaciones.
Contenidos procedimentales:
Identifica un problema o caso donde es aplicable la regresión múltiple
Describe los componentes del modelo de regresión
Utiliza software estadístico y/o lenguaje R para obtener la ecuación de regresión
Interpreta los resultados obtenidos
Contenidos actitudinales: Demuestra honestidad con los trabajos que realiza,
disciplina en su quehacer diario, puntualidad en sus compromisos académicos, y
respeto de las normas de conservación del medio ambiente.
Contribución a la investigación formativa: Observar hechos de la naturaleza. Usar
las técnicas instrumentales y manejar el equipo correctamente.
Evaluaciones de la Unidad: Evaluación continua 1. Evaluación práctica 2.
Referencias bibliográficas obligatorias
• McGibney, Daniel (2023). Applied Linear Regression for Business Analytics with R.
p. 91 – 140.
• Montgomery, D., Peck, E., Vining, G. (2012). Introduction to Linear Regression Analysis.
Wiley. p. 67 – 128
• Weisberg, S. (2014) Applied Linear Regression. Wiley. p. 51-72
UNIDAD 3: COMPROBACIÓN DE LA ADECUACIÓN DEL MODELO
Logro:
Al finalizar la unidad, el estudiante evalúa si un modelo de regresión lineal es
adecuado a través del análisis de residuales y la verificación de los supuestos
correspondientes, utilizando casos prácticos y conjuntos de datos reales.
Contenidos conceptuales:
Análisis de residuales
Supuesto de normalidad de errores
Supuesto de homogeneidad de varianzas de los errores
Supuesto de independencia de errores
Semana 5 Supuesto de linealidad del modelo
Contenidos procedimentales:
Define, gráfica y analiza residuales
Aplica técnicas de análisis de residuales para comprobar la hipótesis de
normalidad, la homogeneidad de variancias e independencia.
Evalúa el supuesto de linealidad del modelo
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer
diario, puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Contribución a la investigación formativa:
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
RESOLUCIÓN N° 0252-2023-CU-UNALM
Usar las técnicas instrumentales y manejar el equipo correctamente. Aplicar las
técnicas estadísticas apropiadas
Evaluaciones de la Unidad:
Evaluación continua 1. Evaluación práctica 2.
Referencias bibliográficas obligatorias
• McGibney, Daniel (2023). Applied Linear Regression for Business Analytics with R.
p. 179 - 194
• Montgomery, D., Peck, E., Vining, G. (2012). Introduction to Linear Regression Analysis.
Wiley. p. 129 – 152.
• Weisberg, S. (2014) Applied Linear Regression. Wiley. p. 204-213
UNIDAD 4: TRANSFORMACIONES PARA CORREGIR INADECUACIONES
Logro:
Al finalizar la unidad, el estudiante plantea soluciones que permiten corregir
inadecuaciones posteriores al análisis de residuales y/o verificación de supuestos
en un modelo de regresión lineal, utilizando casos prácticos y conjuntos de datos
reales.
Contenidos conceptuales:
Transformaciones para estabilizar la variancia, transformaciones para linealizar el
modelo, métodos analíticos para seleccionar una transformación. Mínimos
cuadrados generalizados y ponderados
Semana Contenidos procedimentales:
6 Identifica situaciones en las que es necesario ejecutar transformaciones
Ejecuta transformaciones de datos e interpreta los resultados
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer
diario, puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Contribución a la investigación formativa:
Usar las técnicas instrumentales y manejar el equipo correctamente. Aplicar las
técnicas estadísticas apropiadas
Evaluaciones de la Unidad:
Evaluación continua 1.
Referencias bibliográficas obligatorias
• McGibney, Daniel (2023). Applied Linear Regression for Business Analytics with R.
p. 179 - 194
• Montgomery, D., Peck, E., Vining, G. (2012). Introduction to Linear Regression Analysis.
Wiley. p. 171 - 187
• Weisberg, S. (2014) Applied Linear Regression. Wiley. p. 185-199
Semana UNIDAD 5: VALORES ATÍPICOS E INFLUENCIALES
7 Logro:
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
RESOLUCIÓN N° 0252-2023-CU-UNALM
Al finalizar la unidad, el estudiante identifica los potenciales valores atípicos e
influenciales de un modelo de regresión lineal, utilizando casos prácticos y
conjuntos de datos reales.
Contenidos conceptuales:
Detección de puntos atípicos, valores influyentes, puntos de balanceo, medidas
de influencia: distancia de Cook, DFFITS, DFBETAS. Tratamiento de
observaciones influyentes.
Contenidos procedimentales:
Define y distingue valores atípicos, puntos influyentes y de balanceo
Sugiere medidas de remediación ante la presencia de estas observaciones.
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer
diario, puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Contribución a la investigación formativa:
Usar las técnicas instrumentales y manejar el equipo correctamente. Discriminar
y valorar los datos. Interpretar los datos. Aplicar las técnicas estadísticas
apropiadas.
Evaluaciones de la Unidad:
Evaluación continua 2. Evaluación práctica 3.
Referencias bibliográficas obligatorias:
• McGibney, Daniel (2023). Applied Linear Regression for Business Analytics with R.
p. 195 – 218.
• Montgomery, D., Peck, E., Vining, G. (2012). Introduction to Linear Regression Analysis.
Wiley. p. 152 – 156, 211 – 222
• Weisberg, S. (2014) Applied Linear Regression. Wiley. p. 214-224
Semana 8 COMPLEMENTO DE EVALUACIÓN CONTINUA 1
UNIDAD 6: VARIABLES INDICADORAS
Logro:
Al finalizar la unidad, el estudiante construye un modelo de regresión conteniendo
al menos una variable indicadora y una potencial interacción con una variable
cuantitativa, utilizando casos prácticos y conjuntos de datos reales.
Semana 9 Contenidos conceptuales:
Concepto y uso de variable indicadora, modelos de regresión con una o más
variables indicadoras independientes, sin interacción y con ella
Contenidos procedimentales:
Realiza el análisis de regresión con al menos una variable indicadora
Contenidos actitudinales:
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
RESOLUCIÓN N° 0252-2023-CU-UNALM
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer
diario, puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Contribución a la investigación formativa:
Usar las técnicas instrumentales y manejar el equipo correctamente.
Evaluaciones de la Unidad:
Evaluación continua 2. Evaluación práctica 3.
Referencias bibliográficas obligatorias:
• McGibney, Daniel (2023). Applied Linear Regression for Business Analytics with R.
p. 141 – 176.
• Montgomery, D., Peck, E., Vining, G. (2012). Introduction to Linear Regression Analysis.
Wiley. p. 260-280
• Weisberg, S. (2014) Applied Linear Regression. Wiley. p. 98-108
UNIDAD 7: SELECCIÓN DE VARIABLES
Logro:
Al finalizar la unidad, el estudiante selecciona un subconjunto de variables, o
construye componentes que permiten el análisis parsimonioso del modelo de
regresión lineal, utilizando casos prácticos y conjuntos de datos reales.
Contenidos conceptuales:
Métodos de selección: Backward o eliminación hacia atrás, Forward o selección
hacia delante y Stepwise o selección paso a paso. Métodos de mejores
subconjuntos o todas las regresiones posibles. Criterio de R², R² ajustado.
Variancia estimada del error y Cp de Mallows. Validación cruzada.
Semanas Contenidos procedimentales:
10 y 11 Aplica las técnicas de selección de variables para obtener el mejor modelo.
Distingue y describe los métodos de selección
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer
diario, puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Contribución a la investigación formativa:
Usar las técnicas instrumentales y manejar el equipo correctamente. Aplicar las
técnicas estadísticas apropiadas
Evaluaciones de la Unidad:
Evaluación continua 2. Evaluación práctica 3.
Referencias bibliográficas obligatorias:
• McGibney, Daniel (2023). Applied Linear Regression for Business Analytics with R.
p. 221 – 263.
• Montgomery, D., Peck, E., Vining, G. (2012). Introduction to Linear Regression Analysis.
Wiley. p. 327 – 371
• Weisberg, S. (2014) Applied Linear Regression. Wiley. p. 234 - 251
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
RESOLUCIÓN N° 0252-2023-CU-UNALM
UNIDAD 8: MULTICOLINEALIDAD
Logro:
Al finalizar la unidad, el estudiante identifica situaciones de multicolinealidad en
un modelo de regresión lineal y busca resolver dichas situaciones, utilizando
casos prácticos y conjuntos de datos reales.
Contenidos conceptuales:
Multicolinealidad, fuentes, efectos, diagnóstico. Manejo de la multicolinealidad.
Métodos de regularización. Método de componentes principales.
Contenidos procedimentales:
Semana Define y diagnostica multicolinealidad
12 Usa técnicas para solución de problemas de multicolinealidad
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer
diario, puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Contribución a la investigación formativa:
Usar las técnicas instrumentales y manejar el equipo correctamente. Aplicar las
técnicas estadísticas apropiadas
Evaluaciones de la Unidad:
Evaluación continua 2.
Referencias bibliográficas obligatorias:
• Montgomery, D., Peck, E., Vining, G. (2012). Introduction to Linear Regression Analysis.
Wiley. p. 285-319
UNIDAD 9: MODELOS DE REGRESIÓN POLINOMIAL
Logro:
Al finalizar la unidad, el estudiante construye un modelo de regresión lineal con
componentes polinomiales, utilizando casos prácticos y conjuntos de datos
reales.
Contenidos conceptuales:
Modelos polinomiales con una o más variables independientes, polinomios
ortogonales.
Semana Contenidos procedimentales:
13 Construye modelos de regresión polinomial
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer
diario, puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Contribución a la investigación formativa:
Usar las técnicas instrumentales y manejar el equipo correctamente. Aplicar las
técnicas estadísticas apropiadas
Evaluaciones de la Unidad:
Evaluación continua 2.
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
RESOLUCIÓN N° 0252-2023-CU-UNALM
Referencias bibliográficas obligatorias:
• Montgomery, D., Peck, E., Vining, G. (2012). Introduction to Linear Regression Analysis.
Wiley. p. 223-254
• Weisberg, S. (2014) Applied Linear Regression. Wiley. p. 109-112
UNIDAD 10: MÉTODOS COMPLEMENTARIOS DE REGRESIÓN
Logro:
Al finalizar la unidad, el estudiante construye un modelo de regresión lineal con
apoyo del método Bootstrap y aplica Validación Cruzada
Contenidos conceptuales:
Regresión Bootstrap. Validación Cruzada
Contenidos procedimentales:
Semana Construye modelos de regresión polinomial
14 Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer
diario, puntualidad en sus compromisos académicos, y respeto de las normas de
conservación del medio ambiente.
Contribución a la investigación formativa:
Usar las técnicas instrumentales y manejar el equipo correctamente. Aplicar las
técnicas estadísticas apropiadas
Evaluaciones de la Unidad:
Evaluación continua 2.
Referencias bibliográficas obligatorias:
• Montgomery, D., Peck, E., Vining, G. (2012). Introduction to Linear Regression Analysis.
Wiley. p. 223-254
• Weisberg, S. (2014) Applied Linear Regression. Wiley. p. 109-112
EXPOSICIÓN DE TRABAJOS GRUPALES
Logro:
Al finalizar la unidad, el estudiante sustenta un trabajo de investigación
elaborado en equipo, aplicando lo aprendido en el curso en un conjunto de
datos reales.
Contenidos conceptuales:
Semanas 15 Informe escrito de trabajo de investigación y uso de software
y 16 Contenidos procedimentales:
Expone los resultados de la investigación grupal utilizando las herramientas
presentadas en clase.
Contenidos actitudinales:
Demuestra honestidad con los trabajos que realiza, disciplina en su quehacer
diario, puntualidad en sus compromisos académicos, y respeto de las normas
de conservación del medio ambiente.
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
RESOLUCIÓN N° 0252-2023-CU-UNALM
Semana
COMPLEMENTO DE EVALUACIÓN CONTINUA 2
17
Semana
EVALUACIONES REPROGRAMADAS Y TALLER DE HABILIDADES BLANDAS
18
5. Programa Calendarizado de Prácticas
Unidad Semana Título de la Práctica
1 1 Análisis de correlación
2 3 Análisis de regresión lineal simple
3 5 Análisis de regresión lineal múltiple
4 6 Comprobación de la adecuación del modelo
5 8 Transformaciones para corregir inadecuaciones
6 10 Valores atípicos e influenciales
7 11 Variables indicadoras
8 12 Selección de variables
9 14 Multicolinealidad y Polinomios ortogonales
6. Programa Calendarizado de Evaluaciones
Unidad Semana T/P Título de la Evaluación Instrumento de Evaluación
1 4 P Práctica Calificada Examen escrito
3y4 8 P Práctica Calificada Examen escrito
1-4 1-7 T/P Examen continuo 1 Examen escrito
5y6 11 P Práctica Calificada Examen escrito
7a9 16 P Práctica Calificada Examen escrito
1-9 15 y 16 T/P Exposición oral Rúbrica
5-9 9-14 T/P Examen continuo 2 Examen escrito
7. Estrategias de Enseñanza-Aprendizaje
a) Estrategias durante las sesiones teóricas:
Exposición: Presentar de manera organizada la información a un grupo. Por lo
general es el profesor quien expone; sin embargo también los alumnos exponen
Preguntas: Con base en preguntas, llevar a los alumnos a la discusión y análisis de
información pertinente a la materia.
Lluvia de ideas: Incrementar el potencial creativo en un grupo. Recabar mucha y
variada información. Resolver problemas.
b) Estrategias durante las sesiones prácticas:
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE ECONOMÍA Y PLANIFICACIÓN
Departamento Académico de Estadística e Informática
RESOLUCIÓN N° 0252-2023-CU-UNALM
Preguntas: Con base en preguntas, llevar a los alumnos a la discusión y análisis de
información pertinente a la materia.
Aprendizaje basado en casos: Los estudiantes deben trabajar en grupos pequeños,
sintetizar y construir el conocimiento para analizar los casos, que por lo general
han sido tomados de la realidad.
8. Responsabilidad Social Universitaria
Disminuye en el consumo de papel, aprovecha de la luz natural, reutiliza el papel
impreso y apaga los equipos audiovisuales y de cómputo, mantiene en buen estado de
funcionamiento los equipos de seguridad y respeta el derecho a la propiedad
intelectual.
9. Sistema de Evaluación
Instrumentos de
Contenido Actividades Ponderación
Evaluación
a) Evaluación Continua 1 25% Examen Escrito
Conceptuales
b) Evaluación Continua 2 25% Examen Escrito
Procedimentales
c) Prácticas Calificadas 30% Examen Escrito
d) Trabajo de Investigación 20% Rúbrica
TOTAL 100%
10. Referencias Bibliográficas
• Faraway Julian (2002). Practical Regression and Anova using R., [Link]
[Link]/.
• Hernandez F., Usuga O. , Mazo, M. (2024) Análisis de Regresión con R
[Link]
• McGibney, Daniel (2023). Applied Linear Regression for Business Analytics with R.
• Montanero, J. (2008). Modelos Lineales. Universidad de Extremadura
• Montgomery, D., Peck, E., Vining, G. (2012). Introduction to Linear Regression
Analysis. Wiley
• Puntanen, S., Styan, G., Isotalo, J. (2013). Formulas Useful for Linear Regression
Analysis and Related Matrix Theory. Springer
• Seber, G., Lee, A. (2003). Linear Regression Analysis. Wiley
• Sheather, Simon (2009). A Modern Approach to Regression with R, Springer, New
York, USA.
• Weisberg, S. (2014). Applied Linear Regression. Willey
La Molina, 18 de agosto del 2025
Elaborado por: Formato revisado por: Revisado por: Aprobado por:
Porras Cerrón, Jaime – Director de Departamento
Docente Principal Escuela Profesional
Comisión de Currículo o equivalente
Comité de Calidad