Entramos ahora en un momento clave del curso: la transición de la probabilidad general a los modelos probabilísticos formales.

Mantenemos su estructura:

  • ✅ Un solo tema.
  • ✅ Dos sesiones.
  • ✅ Una única hoja evaluable al finalizar el tema.
  • ✅ IA como tutor.
  • ✅ Interpretación antes que formalismo excesivo.
  • ✅ Escritura manual como evidencia de comprensión.

GUÍA MAESTRA

SEMANA 6 — Distribuciones Teóricas (I): Discretas

Asignatura: Estadística Aplicada con Python y R Universidad de Sucre – Facultad de Ingeniería

1️⃣ PROPÓSITO DEL TEMA

Comprender las principales distribuciones discretas y su aplicación en problemas de ingeniería:

  • Bernoulli
  • Binomial
  • Poisson

El estudiante debe:

  • Identificar cuándo usar cada distribución.
  • Comprender sus parámetros.
  • Interpretar su significado en contexto real.
  • Relacionar modelo probabilístico con fenómeno ingenieril.

Este tema dura una semana.

📌 Se diligencia UNA sola hoja al finalizar la segunda sesión.

2️⃣ ESTRUCTURA DE LA SEMANA

  • Sesión 1 (2 horas): Fundamentos conceptuales.
  • Sesión 2 (2 horas): Aplicación y ajuste básico.
  • Producto evaluable: 1 hoja física (anverso + reverso).

SESIÓN 1

Fundamentos Conceptuales de Distribuciones Discretas

🔹 Fase 1 — Actividad “Estudia y Aprende”

PROMPT 1 — INICIO

Actúa como tutor experto en distribuciones discretas aplicadas a ingeniería.

Tema: Distribuciones Bernoulli, Binomial y Poisson.

  1. Explica primero en lenguaje sencillo y luego formal qué es una distribución de probabilidad discreta.

  2. Explica la distribución Bernoulli:

    • Qué modela
    • Su parámetro
    • Ejemplo en ingeniería

  3. Explica la distribución Binomial:

    • Condiciones para aplicarla
    • Parámetros
    • Interpretación

  4. Explica la distribución Poisson:

    • Qué tipo de fenómeno modela
    • Parámetro
    • Relación con eventos raros

  5. Señala diferencias clave entre Binomial y Poisson.

Hazme 3 preguntas para verificar comprensión y corrige mis respuestas.

🔹 Fase 2 — Orientación Docente

Se organiza el contenido en estructura lógica:

1️⃣ Bernoulli

Modelo de un solo ensayo:

  • Éxito / fracaso.

  • Parámetro: ( p ).

  • Ejemplo:

    • Falla de una pieza.
    • Aprobación / no aprobación.

2️⃣ Binomial

Modelo de varios ensayos independientes:

  • Número fijo de ensayos.

  • Probabilidad constante.

  • Variable aleatoria: número de éxitos.

  • Ejemplo:

    • Número de semillas germinadas.
    • Número de defectos en lote pequeño.

3️⃣ Poisson

Modelo de conteo en intervalos:

  • Eventos independientes.

  • Tasa promedio constante.

  • Parámetro: ( ).

  • Ejemplo:

    • Número de fallas por día.
    • Número de grietas por metro.
    • Número de llamadas por hora.

Se enfatiza:

La distribución no se elige por fórmula, se elige por contexto.

⚠️ No se diligencia la hoja aún.

SESIÓN 2

Aplicación y Visualización en Python y R

🔹 Fase 1 — Actividad “Estudia y Aprende” (Aplicación)

PROMPT 2 — APLICACIÓN

Actúa como tutor experto en distribuciones discretas con Python y R.

  1. Muéstrame cómo calcular probabilidades con Bernoulli, Binomial y Poisson.
  2. Cómo graficar cada distribución.
  3. Explica cómo cambia la forma de la distribución cuando cambian sus parámetros.
  4. Explica cómo interpretar media y varianza en cada caso.
  5. Interpreta resultados como lo haría un ingeniero.

No solo muestres código; explica qué significa cada resultado.

🔹 Fase 2 — Demostración Docente

En Python:

  • scipy.stats.bernoulli
  • scipy.stats.binom
  • scipy.stats.poisson

En R:

  • dbinom()
  • dpois()
  • rbinom()
  • rpois()

Se analiza:

  • Forma de la distribución.
  • Impacto de ( p ) en Binomial.
  • Impacto de ( ) en Poisson.
  • Aproximación Binomial → Poisson cuando ( n ) grande y ( p ) pequeño.

Pregunta clave:

¿Qué fenómeno real estoy modelando?

3️⃣ CIERRE DEL TEMA — GENERACIÓN DEL RESUMEN GUÍA

Al finalizar la sesión 2:

PROMPT DE CIERRE GLOBAL

Genera un resumen estructurado para escribir a mano en UNA sola hoja.

Formato obligatorio: A) Idea central (1–2 líneas). B) 6–10 viñetas organizadas lógicamente. C) 3 relaciones clave (por qué/cómo). D) 1 ejemplo aplicado a ingeniería. E) 3 preguntas de autoevaluación con respuesta. F) Cierre: “Hoy aprendí que …”

4️⃣ REVERSO — ESCRITURA MANUAL (EVIDENCIA EVALUABLE)

Tema de la hoja:

“Distribuciones Discretas en Ingeniería: Bernoulli, Binomial y Poisson”

Debe incluir:

□ Idea central □ Qué modela cada distribución □ Parámetros □ Diferencias clave □ Relación entre media y varianza □ Ejemplo aplicado □ 3 preguntas + respuestas □ Reflexión final

5️⃣ CRITERIOS DE EVALUACIÓN

Evaluación sugerida sobre 5 puntos:

  1. Correcta identificación de cada distribución.
  2. Comprensión de parámetros.
  3. Capacidad de diferenciarlas.
  4. Aplicación contextual.
  5. Profundidad conceptual en la reflexión.

No se evalúa:

  • Desarrollo algebraico extenso.
  • Fórmulas largas.
  • Código en la hoja.

Se evalúa comprensión conceptual del modelo.

6️⃣ RESULTADO FORMATIVO DE LA SEMANA 6

Al finalizar el tema, el estudiante:

  • Identifica correctamente fenómenos discretos.
  • Distingue Bernoulli, Binomial y Poisson.
  • Interpreta parámetros en contexto.
  • Comprende que el modelo probabilístico depende del fenómeno.
  • Está preparado para estudiar distribuciones continuas.