Universidad Tcnica Federico Santa Mara Departamento de Matemtica

EX UMBRA IN SOLEM

ASIGNATURA: PROBABILIDAD Y ESTADSTICA INDUSTRIAL CRDITOS: PRERREQUISITOS: 4 MAT-023 HRS.CAT.SEM.: HRS,AYUD.SEM.: 6 2

SIGLA: MAT-042 EXAMEN: NO TIENE HRS.LAB.SEM.: 0

OBJETIVOS : Al aprobar la asignatura el alumno ser capaz de: Interpretar y describir fenmenos no determinsticos que se presentan en la ingeniera. Modelar fenmenos, utilizar tcnicas de estimacin. Validar la representatividad de los modelos. Utilizar software especializado, aplicar la estadstica a la solucin de problemas en ingeniera. CONTENIDOS: 1. Introduccin, conceptos generales, estadstica, probabilidad, poblacin, muestra, modelos, recoleccin, representacin y tratamientos de datos. 2. Tcnicas de muestreo: muestreo aleatorio simple, muestreo por conglomerados, muestreo doble, muestreo estratificado, muestreo sistemtico. 3. Estadstica descriptiva univariada y multivariada. 4. Probabilidad : conceptos generales, propiedades, probabilidad condicional, teorema de Bayes. 5. Variables aleatorias discretas y continuas: Modelos de uso comn en Ingeniera: binomial, hipergeomtrica, geomtrica, Poisson, exponencial, Weibull, normal, gamma, beta entre otras. Aplicaciones. 6. Esperanza, varianza, propiedades, funcin generadora de momentos. 7. Funciones de variables aleatorias y aplicaciones. 8. Vectores aleatorios, distribucin conjunta, marginal y condicional. Independencia distribuciones multinomial y normal multivariada, aplicaciones. 9. Transformaciones de vectores aleatorios, distribucin de sumas, productos, cuocientes, mximos, mnimos. Aplicacin: Distribuciones muestrales, t, chi cuadrado, F. 10. Ley de los grandes nmeros, Teorema del lmite central: Aproximaciones y aplicaciones. 11. Inferencia estadstica: conceptos generales. 12. Estimacin puntual, propiedades de los estimadores. 13. Estimacin por intervalos de confianza. 14. Contraste de hiptesis. 15. Pruebas de bondad de ajuste e independencia. 16. Introduccin a modelos de regresin lineal. METODOLOGA: Clases tericas expositivas complementada con ayudantas. Los estudiantes desarrollarn tareas de resolucin de problemas, con apoyo computacional. BIBLIOGRAFA: Pea, D. Estadstica, Modelos y Mtodos, Volumen 1 Fundamentos. Alianza Editorial, Madrid, 1989. Canavos, G.: Probabilidad y Estadstica, Aplicaciones y Mtodos, Mc-Graw Hill, 1988 Kreyszig, E. Introduccin a la Estadstica Matemtica, Principios y Mtodos, Ed. Limusa, 1981. Meyer, P. Probabilidad y Aplicaciones Estadsticas. Fondo Educativo Interamericano, 1977. Parzen, E. Teora Moderna de Probabilidades y sus Aplicaciones . Ed. Limusa, Mxico. 1976. Walpole; Myers: Probabilidad y Estadistica para ingenieros, Prentice Hall, 1999 ELABORADO: APROBADO: FECHA: E. Valenzuela; R. Allende CC.DD. Acuerdo 15/03 17-06-03 OBSERVACIONES: