PR OB AB I L I DAD Y E S T ADI S T I CA

L ic. E st. E VA R ODR GUE Z VAGAR I A Pr ofesor Asociado

Avda 60 es q124 T el / Fax (0221) 421 7578 / 482 - 4855

CAR R E R A
DI S ENO CURRI CULAR: 1995 ORDENANZ A C.S UP` . N I NGE NI ER A QU MI CA 768 I NGE NI ER A I NDUS T RI AL 754 I NGE NI ER A EN S I S T EMAS 764 I NGE NI ER A MECNI CA 741 I NGE NI ER A ELCT RI CA 765 I NGE NI ER A CI VI L 769

AS I GN AT U R A
P R OGR AMA S I N T T I CO
U. T . 1 PROB AB I LI DAD. VARI AB LE ALEAT ORI A. U. T . 2 DI S T RI B UCI ONES DI S CRE T AS DE PROB AB I LI DAD. U. T . 3 DI S T RI B UCI ONES CONT I NUAS DE PROB AB I LI DAD. U.T . 4 I NT RODUCCI N AL MUES T RE O. U.T . 5 T E OR A DE LA ES T I MACI N. U. T . 6 PRUEB A DE HI PT ES I S . U. T . 7 REGRES I N Y CORRELACI N. U. T . 8 PROCES OS E S T OCS T I COS .

DE PART AMENT O CI E NCI AS B S I CAS APROB ACI N C A RES N De la CURRI CULA ANUAL OB LI GAT ORI A

NI VELES : I NGE NI ER A QU MI CA 2 NI VEL I NGE NI ER A I NDUS T RI AL 2 NI VEL I NGE NI ER A EN S I S T EMAS 2 NI VEL I NGE NI ER A MECNI CA 3 NI VEL I NGE NI ER A ELCT RI CA 2 NI VEL I NGE NI ER A CI VI L 2 NI VEL T OT AL DE HORAS : 96 HS . PARA T ODAS LAS ES PECI ALI DADES HORAS .S EMANALE S : 3 HS .

PARA T ODAS LAS ES PECI ALI DADES OB S E R VACI ON E S

OB JE T I VOS DE L A AS I GNAT URA

COMPRENDER Y APLICAR LOS CONOCIMIENTOS DE LA TEORA DE LA PROBABILIDAD. COMPRENDER Y APLICAR LOS CONOCIMIENTOS DE LA ESTADSTICA. UTILIZAR RECURSOS COMPUTACIONALES ADQUIRIDOS EN OTRAS ASIGNATURAS. VI GENCI A

E QU I P O D OCE N T E
DI RECT OR DE CT EDRA: I ng. Car los Fantini NMERO DE DI VI S I ONES : 11 PROF ES OR A CARGO DE CADA DI VI S I N: I NGE NI ER A QU MI CA: DIVISIN 3: Prof. Eva Rodrguez Vagara INGENIERA MECNICA: DIVISIN 22: Prof. E va Rodrguez Vagara INGENIERIA ELCTRICA: DIVISIN 31: Prof. Gladys Lescano INGENIERA CIVIL: DIVISIN 10: Prof. Gladys Lescano INGENIERA INDUSTRIAL DIVISIN 69: Prof. Adolfo Luis Gaiada DIVISIN 77: Ing. Carlos Fantini INGENIERA EN SISTEMAS: DIVISIN 53: Prof. Eva Rodrguez Vagara DIVISIN 54: Prof. Jorge Pantazis DIVISIN 55: Prof. Jorge Pantazis DIVISIN 64: Prof. Gladys Lescano DIVISIN 68: Eva Rodrguez Vagara

AR T I CU L ACI N CON OT R AS AS I GN AT U R AS
AS I GNAT URAS O CONOCI MI ENT OS CON QUE S E VI NCULA

CORRELAT I VAS PARA CURS AR CU R S AD AS lgebr a y geometr a analtica; Anlis is matemtico I AP R OB AD AS COR R E L AT I VAS P AR A R E N D I R E XAME N F I N AL lgebr a y geometr a analtica Anlis is Matemtico I APROB ADAS

P R OGR AMA AN AL T I CO
B I B L I OGR AF A GE N E R AL
OB L I GAT OR I A: MEYE R, Paul- Pr obabilidad y aplicaciones es tads ticas . E di t or i al : Addis on- Wes ley I ber oamer icana, 1992. COMP L E ME N T AR I A: Mc FARLANE MOOD, Alex ander - I ntr oduccin a la teor a de la es tads tica. E di t or i al : Aguliar , 1965. F ELLER, William- I ntr oduccin a la teor a de pr obabilidades y s us aplicaciones . E di t or i al : Limus a- Wiley S .A. , 1973. CANAVOS , Geor ge C- Pr obabildad y es tads tica- Aplicaciones y mtodos . E di t or i al : Mc Gr aw- Hill,1993. MOORE , David S - Es tads tica aplicada bs ica. E di t or i al : Antoni B os ch Editor ,1998. S HAW, S tephen P Es tads tica par a economis tas y adminis tr ador es de empr es as . E di t or i al : Her r er o Her manos S ues S .A., 1973. YAMANE, T ar o- Es tads tica. E di t or i al : Har la, 1979. PAPOULI S , Athanas ius - Pr obability, r andom var iables and s tochas tics pr oces s es . E di t or i al : Mc Gr aw Hill, 1991. NEWB OLD, Paul Es tads tica par a los negocios y la economa. E di t or i al : Pr entice Hall, 1997. K EMENY, J. G.; MI RK I L, H.; S NELL, J. S .; T HOMPS ON, G. L. Matemticas F initas . Man u al es de E u deba, 1970 S CHWART Z , Mis ha T r ans mis in de la infor macin, modulacin y r uido. E di t or i al : His pano Amer icana S . A. 1968

D E S AR R OL L O UNIDAD TEMTICA 1: Probabilidad Variables aleatorias

Contenidos: Modelos matemticos. Conjuntos. Experimentos no determinsticos. Espacio muestral. Sucesos. Concepto de probabilidad. Definiciones: clsica, frecuencial y axiomtica.

Espacio de probabilidad. Teorema de adicin de probabilidades. Probabilidad condicional e independencia. Teorema de la probabilidad total. Teorema de Bayes. Diagrama de rbol. Variables aleatorias: discretas y continuas. Distribuciones discretas. Funcin de probabilidad. Funcin de distribucin acumulada. Distribuciones continuas. Funcin de densidad. Funcin de distribucin acumulada. Valor esperado de una variable aleatoria. Propiedades. Varianza de una variable aleatoria. Propiedades. Funciones de variables aleatorias. Tiempo asignado: 18 hs. Objetivos Conceptuales: comprender el significado de espacio muestral, evento y variable aleatoria. Conocer y entender: concepto de probabilidad, probabilidad conjunta, marginal y condicional, funcin de probabilidad, Funcin densidad de probabilidad y funcin de distribucin acumulada. Comprender qu es una medida de tendencia central y de dispersin, en particular, valor esperado y varianza. Procedimentales: resolver problemas orientados especialmente a la ingeniera. Actitudinales: valorar los conocimientos adquiridos en las aplicaciones a la ingeniera.

UNIDAD TEMTICA 2: Distribuciones discretas de probabilidad

Contenidos: Distribuciones discretas de probabilidad. Distribucin binomial. Distribucin multinomial. Distribucin hipergeomtrica. Distribucin uniforme. Distribucin de Poisson. Relacin entre modelos discretos. Esperanza y varianza de estas distribuciones. Uso de tablas. Tiempo asignado: 9hs. Objetivos Conceptuales: consolidar el concepto de distribucin de probabilidad estudiando algunas de las ms usadas distribuciones discretas de probabilidad. Recordar en qu situaciones deben ser aplicadas. Entender cmo se relacionan entre s y cules son sus diferencias. Aprender a calcular el valor esperado y la varianza de cada distribucin. Procedimentales: recordando las expresiones de cada distribucin y sus caracterstcas, saber aplicarlas a problemas particulares. Aprender a usar las tablas correspondientes. Actitudinales: valorar las aplicaciones profesionales de los conocimientos adquiridos.

UNIDAD TEMTICA 3: Distribuciones continuas de probabilidad

Contenidos: Distribuciones continuas de probabilidad. Distribucin uniforme. Distribucin normal. Propiedades de la distribucin normal. Tabulacin de la distribucin normal. Distribucin chi- cuadrado. Distribucin t de Student. Distribucin F de Snedecor. Relacin entre estas distribuciones. Uso de tablas.

Tiempo asignado: 9 hs. Objetivos Conceptuales: estudiar y entender las funciones densidad de probabilidad ms usadas. Comprender las analogas compararar con lo estudiado en las distribuciones discretas. Aprender a calcular la esperanza y el valor esperado de las distribuciones estudiadas. Procedimentales: utilizar las distribuciones estudiadas en la resolucin de problemas, enfatizando aquellos de aplicacin a la ingeniera. Actitudinales: tomar conciencia y valorar la multitud de situaciones profesionales donde se deben aplicar los mtodos probabilsticos.

UNIDAD TEMTICA 4: Introduccin al muestreo

Contenidos: Introduccin al muestreo. Poblacin. Muestra. Mtodos de seleccin: probabilstico y no probabilstico. Razones a favor del empleo del muestreo. Muestreo probabilstico: mtodos de seleccin. Probabilidades en el muestreo con y sin reemplazo. Muestreo sistemtico, estratificado y por conglomerado. Uso de tablas de nmeros aleatorios. Distribucin estadstica de la muestra. Funcin emprica de la distribucin. Polgono de frecuencias. Histograma de frecuencias. Muestreo aleatorio simple. Seleccin de la muestra. Distribuciones de muestreos estadsticos. Ley de los grandes nmeros. Teorema central del lmite. Distribucin de probabilidad de la media muestral con varianza poblacional conocida. Distribucin de probabilidad de la media muestral con varianza poblacional desconocida. Distribucin de probabilidad de la diferencia de medias muestrales de dos poblaciones con varianzas poblacionales conocidas. Distribucin de probabilidad de la diferencia de medias muestrales con varianzas poblacionales iguales y desconocidas. Distribucin por muestreo de proporciones y de la diferencia proporciones en muestras grandes y pequeas. Tiempo asignado: 12 hs. Objetivos Conceptuales: entender los distintos tipos de muestreo. Comprender cmo se ha de seleccionar una muestra. Comprender la importancia del teorema central del lmite y sus consecuencias. Recordar las distribuciones que corresponden medias, diferencias de medias, varianzas, cocientes de varianzas y proporciones muestrales. Procedimenteales: usar los conceptos adquiridos en la resolucin de problemas. Actitudinales: valorar la importancia delo uso del muestreo en problemas especficos en ingeniera tales como tiempo de ensamblado, deteccin de artculos defectuosos, etc.

UNIDAD TEMTICA 5: Teora de la estimacin

Contenido: Teora de la estimacin. Estimacin puntual: los estimadores como funcin de decisin. Propiedades de los estimadores: insesgado, consistente, suficiente, asintticamente normal, asintticamente eficiente, ptimo asintticamente normal. Eficiencia relativa. Mtodo de mxima verosimilitud. Estimacin por intervalo. Conceptos bsicos. Intervalos de confianza. Intervalos de confianza en casos de poblaciones normales: para la media poblacional cuando se conoce la varianza de la poblacin y cuando no se conoce, para la diferencia de medias poblacionales cuando se conocen

las respectivas varianzas poblacionales y cuando no se conocen y son iguales, para la proporcin y diferencia de proporciones en muestars grandes. Distinguir el caso de muestras de gran tamao y de pequeo tamao. Determinacin del tamao de la muestra en la estimacin. Tiempo asignado: 18hs. Objetivos Conceptuales: comprender y diferenciar los conceptos de estimador y valor estimado conectndolos con concepto de variable aleatoria. Entender las caractersticas que resultan convenientes que posean los estimadores. Aprender cul es la distribucin de probabilidad correspondiente de cada estimador estudiado, y cmo se puede determinar el tamao de la muestra, segn las condiciones deseadas por el profesional. Procedimentales: resolucin de problemas especficos, especialmente de aplicaciones ingenieriles, determinando estimados puntuales e intervalos de confianza. Actitudinales: apreciar la importancia en la resolucin de problemas profesionales de la teora de la estimacin.

UNIDAD TEMTICA 6: Prueba de hiptesis

Contenidos: Prueba de hiptesis. Hiptesis estadsticas: simples y compuestas. Conceptos bsicos del procedimiento de la prueba de hiptesis. Prueba de hiptesis para la media poblacional. Prueba de hiptesis para la diferencia de dos medias poblacionales. Prueba de hiptesis para la proporcin poblacional. Prueba de hiptesis para la diferencia de dos proporciones poblacionales. Prueba de hiptesis para la varianza y para la comparacin de varianzas de dos poblaciones normales. Potencia de una prueba de hiptesis. Curva operativa y curva de potencia. Tiempo asignado: 12 hs. Objetivos Conceptuales: entender qu es una prueba de hiptesis y aprender a formular las hiptesis adecuadas. Aprender a aplicar la distribucin correspondiente segn el parmetro cuyo valor se estima. Comprender los conceptos de potencia de una prueba, y curva de potencia y curva operativa. Procedimentales: aplicar los conceptos anteriores a la resolucin de situaciones concretas, en particular de problemas de ingeniera. Actitudinales: valorar esta tcnica como una herramienta muy importante para resolver muchas cuestiones de la profesin.

UNIDAD TEMTICA 7: Regresin y correlacin

Contenido: Introduccin. Relacin entre dos variables. Conceptos bsicos en el anlisis de la regresin. Estimacin mediante la lnea de regresin. Mtodo de mnimos cuadrados. Anlisis de correlacin: coeficientes de correlacin y de determinacin. Cmo hacer inferencias sobre los parmetros poblacionales. Uso de los anlisis de regresin y correlacin: limitaciones, errores y advertencias.

Tiempo asignado: 12 hs. Objetivos Conceptuales: comprender cmo se pueden seleccionar dos variables aleatorias y en qu caso puede suponerse lineal. Entender el rol que juega el coeficiente de correlacin. Aprender el mtodo de mnimos cuadrados. Procedimentales: resolucin de problemas, aplicando los conceptos desarrollados. Actitudinales: apreciar el estudio de correlacin como una tcnica importante de aplicacin en la ingeniera.

UNIDAD TEMTICA 8: Procesos estocsticos

Contenido: Introduccin. Matrices estocsticas. Matrices estocsticas regulares. Cadenas de Markov. Probabilidades de transicin de orden superior. Distribuciones estacionarias. Estados absorbentes. Funcin de autocorrelacin. Densidad espectral de potencia. Ruido blanco. Ruido blanco de banda limitada. Deteccin por correlacin. Tiempo asignado: 6 hs. Objetivos Conceptuales: comprender los conceptos de proceso estocstico, proceso de ensayos independientes, proceso estocstico independiente, y proceso de Markov. Entender el concepto de cadena de Markov, de matriz estocstica, de cadena de Markov regular, de cadena de Markov ergdica, de estado absorvente. Asociar el valor esperado con autocorrelacin. Procedimentales: usar los conceptos de procesos estocsticos, y de covarianza en el estudio de los problemas de ruido, y el de autocorrelacin en el estudio de los espectros de potencia. Actitudinales: valorar la importancia del conocimiento de los procesos estocsticos en las aplicaciones de la ingeniera, en particular, en los procesos de transmisin de informacin.

MATERIALES CURRICULARES U. T. I MEYER, Paul L. Captulos I, II, III, IV, V. VII NEWBOL, Paul. Captulos III, IV: IV.1, IV.2, IV. 3, IV.4, V: V.1, V.2, V.3 CANAVOS, George Captulos II y III U.T. II MEYER, Paul. Captulos IV y VIII NEWBOL, Paul. Captulo IV: IV.5, IV.6, IV. 7

CANAVOS, George. Captulo IV. U.T III MEYER, Paul L. Captulos IX, XIV: XIV.8 CANAVOS, George. Captulos V, VII: VII.6, VII.8 U.T. IV MEYER, Paul L. Captulo XIII CANAVOS, George. Captulos I y VII NEWBOL, Paul. Captulo VI U.T. V MEYER, Paul L. Captulo XIV CANAVOS, George. Captulo VIII NEWBOL, Paul. Captulos VII y VIII U. T. VI MEYER, Paul L. Captulo XV CANAVOS, George. Captulo IX NEWBOL, Paul. Captulo IX U. T. VII CANAVOS, George. Captulo XIII NEWBOL, Paul. Captulo XII U. T. VIII KEMENY, MIRKIL, SNELL Y THOMPSON. Captulo VI SCHWARTZ, Misha. Captulo VII: VII.13, VII.14.

P L AN I F I CACI N D E CT E D R A CR ON OGR AMA

U. T. Uno

U N I D AD Y / O T E MA

U. T. Dos U. T. Tres U. T. Cuatro U. T. Cinco U. T. Seis U. T. Siete U. T. Ocho

Exposicin y resolucin de problemas adecuados a los temas desarrollados. Idem U.T. 1 Idem U.T. 1 Idem U.T. 1 Idem U.T. 1 Idem U.T. 1 Idem U.T. 1 Idem U.T. 1

ACT I VI D AD E S

18 hs. 9 hs. 9 hs. 12 hs. 18 hs. 12 hs. 12 hs. 6 hs.

T I E MP O

P L AN I F I CACI N D E CT E D R A ME T OD OL OG A D I D CT I CA
Las clases de exposicin terica se combinan con ejercicios de aplicacin. En el aprendizaje del uso de tablas estadsticas, la interaccin con el alumno para aprender el manejo de las mismas hace la clase muy dinmica.

E VAL U ACI N
Dos evaluaciones de los trabajos prcticos, en cada cuatrimestre, que deben ser aprobadas por el alumno para poder rendir el examen final de la materia. Por cada evaluacin, hay dos recuperatorios. La evaluacin final, que permite aprobar la materia, es un examen (oral y escrito) abarcador de todos los contenidos tericos y prcticos del ciclo lectivo.

R E CU R S OS AU XI L I AR E S N E CE S AR I OS
Toda la bibliografa pertinente